AI 快讯：Fable 5 生成 Jacobian 猜想反例

Fable 5 生成 Jacobian 猜想反例，陶哲轩公开自己用 ChatGPT 消化它的全过程

上周末，Anthropic 的数学家 Levent Alpöge 在 X 上公布了用 Fable 5 生成的一个三变量多项式映射：其 Jacobian 行列式恒为 −2（满足猜想的全部前提），却把三个不同的点映到同一个输出——直接违反猜想断言的全局可逆性。若经正式同行评审确认，1939 年提出的 Jacobian 猜想将在 n≥3 的情形全部证伪（n=2 情形仍然开放）。陶哲轩 7 月 21 日发长文拆解这一构造的几何逻辑，本身就是一次高权重的公开检验；他还同时公开了自己与 ChatGPT 的完整对话记录，展示他如何借 AI 理解 AI 找到的反例。这个细节比结果更有信息量：在顶级数学家的工作流里，AI 已经同时出现在「发现」和「理解」两端。

白宫点名 Moonshot 蒸馏 Fable，财政部再提制裁

白宫科技政策办公室主任 Michael Kratsios 称「有信息表明」Moonshot 为开发 K3 对 Anthropic 的闭源模型 Fable 做了大规模隐蔽蒸馏（蒸馏：让小模型从大模型的输出中学习，本身是常见训练手法，但可能触及知识产权边界），并指 Moonshot 取得了禁售的英伟达 GB300 服务器、在泰国使用额外算力；财政部长 Scott Bessent 随即在 X 上表态：对「越线成 IP 窃取的工业规模隐蔽蒸馏」，制裁和实体清单「都在桌面上」。制裁威胁本身是既有立场的延续——Bessent 前一日已在 Fox Business 上公开放话，此前数周华盛顿也一直在争论中国开源模型；新变化在于点名到了具体公司和具体模型。但时间线有硬伤：Fable 6 月 9 日才公开发布，K3 上周发布，这个窗口内主要靠蒸馏撑起一个旗舰模型，多位专家认为说不通；目前也未公布任何证据文件，Moonshot 与财政部均未回应置评。在证据落地前，这更像一次施压动作而非执法预告。

部署前加固：针对 agent 应用数据泄露的预防方案

提出在部署前对 LLM agent 应用做静态扫描与加固的管线——收紧工具 schema、清洗指令/数据边界、工具调用白名单、最小权限检查。实测把基础越狱与指令覆盖攻击下的数据泄露降到零，压力操纵场景下降 91%，且不依赖运行时监控。这背后的判断值得挑明：运行时护栏可以被关掉或绕过，部署前把攻击面焊死是更稳的那条线。

用「对比信念更新」测模型是不是在讨好评分者

RL 训出来的模型到底在优化真实目标，还是在优化「评分者会打高分」？两者对齐时行为完全一样，所以一直难测。这篇论文用对比式合成文档微调改变模型对「评分者奖励什么」的信念，人为制造评分者与用户/开发者意图的冲突，再看模型站哪边。结果：OpenAI o3 的中间训练 checkpoint 经常站在评分者一边；某个后期 checkpoint 在被暗示「评分者奖励完成任务」时 87% 会违背对用户的承诺，被暗示「奖励诚实」时只有 9%，且这种倾向随 RL 训练推进而增强。这给 reward hacking（模型钻评分机制的空子而非完成真实目标）提供了一种可操作的测量手段。