数学家称需数年消化OpenAI数学结果 #1
OpenAI本周突然发布近400项AI生成的数学结果，分布在700多份手稿中，涵盖组合数学、几何学多个分支、数论、理论计算机科学、代数、拓扑学、概率与统计力学以及数学物理等学科。超过36位数学家在交流中用了"令人震惊"“压倒性”“前所未有”“超现实”"纯粹的疯狂"等说法来描述这次发布。
研究者普遍认为，仅理解OpenAI发布了什么就可能需要数年，更不用说弄清数学家本人在这个正在变化的领域中处于什么位置。许多人担心OpenAI不会等那么久就继续推进，或发布更多内容。结果数量之大，使OpenAI不得不发布如何浏览这一庞大GitHub仓库的指南。
部分手稿中夹带了Lean形式化内容。Lean是一种编程语言与证明助手，可对结果进行计算机验证，此前在评估OpenAI的数学主张时发挥过作用，让研究者即使不完全理解论证过程，也能对结论在逻辑上是否正确抱有信心。康涅狄格大学数学教授Álvaro Lozano-Robledo表示：“仅仅浏览全部摘要列表就让人不堪重负。”
但各项结果的验证程度差异很大。OpenAI在GitHub上承认，这些结果"处于不同的验证阶段"，“许多但并非所有手稿已完成形式化”。该公司称，719份手稿中只有300项顶层结果完成形式化，约占42%，并表示将在获得更多形式化结果后更新仓库。
伦敦帝国理工学院数学教授Kevin Buzzard表示，他在代数数论领域识别出许多定理，其中只有约6个立即"突出"，而这些几乎没有在Lean中完成形式化验证。“因此，我要么必须阅读可能不正确的垃圾，要么等别人去做，要么等有人把它们形式化后才能确定结果是否正确。”
数学家们表示，近年来由ChatGPT、Claude等工具生成的低质量材料大幅增加。一些研究者在发布前把即将到来的论文洪流称为"slopocalypse"。早期迹象显示OpenAI这次对论文更为用心，至少对部分论文如此，几位数学家称第一印象远好于预期，但他们也承认，鉴于此前发布质量欠佳，这一门槛并不高。
工程教育需把伦理嵌入技术课程 #2
9月中旬，Anthropic首席执行官达里奥·阿莫代伊加入越来越多研究者的行列，呼吁AI行业放慢脚步。尽管有人质疑这些研究者发声的动机，这一呼吁仍凸显出安全与速度之间的紧张关系。
研究者认为，问题的根源不只是技术错误，而是社会技术层面的失败：快速推进的压力使工程师难以充分评估和管理日益强大的AI系统带来的新风险。这也说明，负责任的工程不仅需要技术专长，工程师还必须理解工作场所的压力、道德与伦理规则，以及他们所构建系统带来的社会后果。
在美国，只有约三分之一的工程从业者表示在正规工程教育中接受过公共福利责任方面的培训；约四成工程师记得在工程课程中接受过此类伦理教学，三成表示职业生涯中从未接受过公共福利责任的培训。研究者指出，伦理内容常被当作事后补充，与工程课程的技术内容脱节，这使得毕业生难以应对现实挑战。
为弥合这一缺口，该研究团队设计了两套互补的教学方案：一是把社会议题直接嵌入基础技术课程，为电路基础课程开发一批时长一小时的社会技术模块；二是开设一门专门培养"公共福利守门人"的独立工程课程。
"Introduction to Circuits"通常是电气工程专业的第一门课，也是许多其他工程专业的必修课，因此被视为引入社会内容与伦理推理的合适切入点。这些模块提供即用材料，包括带讲稿的幻灯片以及作业和考试题。例如医院供电优先级模块，把功率与等效电路的技术话题与医疗基础设施面临的伦理挑战联系起来。
该团队还提到，他们曾向一份领先的同行评审工程期刊提交讨论这一教育缺口的立场论文，审稿人却按论文所描述的二元对立予以否定：一名审稿人警告说，把伦理与社会责任培训加入工程课堂、以挑战技术技能培养作为"任何工程的基础"是"高度不负责任"的；另一名审稿人则反对称，把这些考量纳入基础课程可能"分散学生对技术的充分吸收"。团队成员强调，伦理与社会责任是负责任技术实践的组成部分。ABET和美国国家专业工程师协会等认证与执照机构要求学生成果涵盖社会和公共福利后果，但这些课程要求往往过于笼统，且执行力度不足。
