本轮采集时间：2026-11-15 03:00 ｜ 来源：新浪财经、站长之家、Readhub、CSDN AI 日报、网易科技、同花顺、百家号、AWS News Blog ｜ 新增条目：9
导语：本轮最出圈的事件来自数学。独立开发者 Charlie Reams 借助 Claude Code 完成三元哥德巴赫猜想的形式化证明，累计产出 19.4 万行、零 sorry 的 Lean4 代码，所有推理均通过机器严格验证，过程中 AI 还自主找出 2013 年 Helfgott 原版证明里的 11 处漏洞并逐一修补——「证明完成」的判定标准正从同行评议转向机器可验证的闭环。治理层面，意大利个人数据保护局对 Meta 爱尔兰公司开出 8.05 亿欧元罚单，指其 Facebook 安卓应用未经单独同意读取约 2000 万用户相册，要求在 60 天内把该功能改为默认关闭。基础设施侧，AWS 宣布 SGLang-Neuron 正式可用，同一套 SGLang 接口可直接跑在自研 Trainium 芯片上，硬件换了、上层调用习惯没换。端侧则迎来里程碑：无界方舟开源 Edge0-145B/120B，号称首次让 1450 亿参数模型在笔记本上本地流畅运行，峰值内存约 29GB。
政策与治理
意大利对 Meta 罚款 8.05 亿欧元：未经单独同意读取约 2000 万安卓用户相册
据新浪财经报道，当地时间 11 月 14 日，意大利个人数据保护局宣布对 Meta 旗下 Meta 爱尔兰公司处以 8.05 亿欧元（约合 8.87 亿美元）罚款，相当于该集团全球营收的约 0.47%。调查发现，Meta 通过安卓设备上的 Facebook 应用访问用户手机中存储的照片、视频及相关元数据，未取得专项同意、也未充分告知用途；涉事功能自 2023 年推出，将相册内容用于推荐发布，且默认开启，仅以一项通用授权获取相册访问权限，涉及意大利约 2000 万安卓用户。监管机构要求 Meta 在 60 天内完成整改：将该功能设为默认关闭，以独立、明确的方式说明访问相册的用途与关闭方法并单独征得同意；同时保留对 2026 年推出的云端相册处理新功能另行调查的权利。
产业与商业
港大孵化半导体企业钻耐科思获数千万元融资，布局金刚石散热薄膜
据 CSDN AI 日报报道，由香港大学团队孵化的半导体材料初创公司钻耐科思（DiamNEX）完成数千万元新一轮融资，由耀途资本独家投资。该公司掌握晶圆级柔性金刚石薄膜制备工艺，材料具备高热导率特性，目前已在深圳落地试生产线，瞄准的是前沿 AI 芯片功耗急剧上升带来的物理散热瓶颈。随着单卡与整机柜功耗不断冲高，散热正从「配套工程」变成决定算力密度的硬约束，金刚石、氮化铝等超高热导材料的产业化窗口随之打开。
来源：CSDN AI 日报
工具与产品
AWS 宣布 SGLang-Neuron 正式可用，同一套 SGLang 接口跑在自研 Trainium 芯片上
据 AWS 官方博客宣布，SGLang-Neuron 正式开放使用，可通过 AWS 深度学习容器获取，由 RadixArk 与 Annapurna Labs 合作发布。其价值在于「硬件换了、上层调用习惯没换」：用户仍通过 SGLang 的服务器接口启动模型、用同一套生成 API 调用端点，接口之下运行在原生 PyTorch 上，采用 out-of-tree 插件设计，Trainium 支持与 SGLang 核心可独立开发、迭代更快。安装插件时会通过 SGLang 的插件入口点注册 neuron 平台，启动服务器时设置 SGLANG_PLATFORM=neuron 即可选中；SGLang 核心继续负责 API 服务器、请求生命周期、RadixAttention 与前缀缓存记账，插件实现 Trainium 专属的模型、注意力、MoE 与图执行器，并支持 PD 分离部署。按 AWS 说明，走通部署流程需使用 Trainium3 的 Amazon EC2 实例，并搭配 pytorch-inference-sglang-neuronx 容器。
来源：AWS News Blog（网易转载） | foxnan 资讯
无界方舟开源 Edge0-145B/120B 端侧模型，号称 1450 亿参数可在笔记本本地流畅运行
据站长之家报道，开源项目 Edge0 正式发布并开源 Edge0-145B 与 Edge0-120B，同时带来统一的推理框架与部署工具，号称是全球首个可在个人电脑本地流畅运行的 1450 亿参数开源模型。技术路线上，模型采用稀疏专家架构（MoE），145B 总参数中每次推理仅约 10B 参与；训练阶段即把端侧部署约束纳入设计，避免事后压缩剪枝的损失；并通过三层存储流水线让 GPU 内存、系统内存与 SSD 分级存放「热专家」、专家库与词表数据，配合 CPU/GPU 协同与投机解码分摊权重读取成本。官方称在搭载苹果 M 系列芯片的 MacBook Pro 或 RTX 4090/5090 的 Windows 平台上，峰值内存占用约 29GB，预处理超过 1100 tokens/s、解码超过 80 tokens/s，典型功耗约 120W，支持 128K 至 256K 上下文；六项基准平均得分 72.8，内存占用较同梯队 4-bit 模型缩减约 40% 至 60%。厂商数据尚待独立测试验证。
Edera 推出对象能力模型，把 AI 智能体权限下沉到虚拟机监控器层
据网易科技报道，Edera 推出对象能力受限权限模型，由联合创始人、杰出工程师 Ariadne Conill 牵头，核心思路不是继续加固容器边界，而是把细粒度的对象能力控制直接下沉到虚拟机监控器层。当下自主编码智能体往往直接拿到敏感 API 令牌、云密钥与管理员访问凭证，一旦遭遇提示注入或供应链操纵，攻击者可提取令牌在内部系统间横向移动。该方案把「完成任务所需的操作权限」与「任务所依赖的底层凭证」分开：通过虚拟机监控器强制执行对象能力控制，让智能体与 MCP 服务器只能在被明确界定的操作范围内工作，而密钥本身不进入工作负载。
来源：网易科技
学术与前沿
Claude Code 完成三元哥德巴赫猜想形式化证明，产出 19.4 万行零 sorry 的 Lean4 代码
据新浪财经报道，独立开发者 Charlie Reams 借助 Claude Code 完成三元哥德巴赫猜想的形式化证明，GitHub 仓库 calr3/ternary-goldbach 累计产出 19.4 万行 Lean4 代码、辅助脚本与技术文档，且「零 sorry」——每一行推理都经过机器严格验证。Reams 负责设定顶层目标与拆解任务指令，绝大多数形式化代码、脚本与文档由 Claude Code 完成。过程中 AI 自主发现数学家 Harald Helfgott 2013 年原版证明中的 11 处关键问题，涵盖常数写错、不等式不成立、引用数据偏差与主弧尺度混淆等，并逐一修补；研究人员随后将证明依赖的外部额外假设从 5 项精简至仅剩 2 项已有的公开数值验证结果。事件也推动数学界对「证明完成」的判定标准向机器可验证的形式化方向转变。
Allen AI 开源认知纠错评测基准 XYBench，获 EMNLP 2026 最佳资源论文奖
据 CSDN AI 日报报道，艾伦人工智能研究所（Allen AI）发布包含 8000 多个问题的评测基准 XYBench，并斩获 EMNLP 2026 最佳资源论文奖。该基准专门评估大语言模型在面对用户基于认知误区提出的问题时，能否主动识破错误前提、解决深层问题，而非盲目顺从用户的字面指令。这类「认知纠错」能力直接对应真实使用中最容易翻车的场景：用户带着错误假设提问，模型是顺着错误前提给出看似流畅的答案，还是指出前提本身的问题。基准把这一判断过程拆成可量化的评测项，为模型对齐与提示策略提供了新的观察维度。
来源：CSDN AI 日报
CoReMem 论文提出成本内化机制，优化代码智能体长程演进记忆开销
据 CSDN AI 日报报道，针对代码智能体在连续修改大型代码仓库时面临的记忆读写冗余问题，研究者提出 Coding-Repository Memory（CoReMem）框架。该框架通过前瞻性片段估值，量化记忆单元在后续未知任务中的实际效用，从而决定哪些内容值得写入、保留或淘汰。在 ChainSWE 基准上，训练后的 27B 智能体任务解决率从 21.0% 提升至 25.7%，执行步数减少 17%、缓存感知 Token 总量减少 11%（对照为无记忆、未训练的同一 actor）。在长程代码任务里，记忆成本往往超过推理本身，这类「按价值记账」的机制为智能体记忆的性价比提供了新思路。
来源：CSDN AI 日报
观点与思考
硬科技投资人米磊：认知升级，是普通人对抗熵增的唯一武器
据新浪刊载的中信「秦朔朋友圈」文章，硬科技投资人米磊谈 AI 时代的个人应对。他列举了几组正在发生的变量：AI 大模型正以周为单位迭代，DeepSeek-R1 仅用约 30 万美元训练成本便实现对标 OpenAI 的推理能力，开源阵营与闭源前沿的差距已缩至 3 至 6 个月；人形机器人 Figure 02 已在宝马工厂完成长期无安全员值守的自主作业，累计参与数万辆汽车生产，从实验室原型迈入产线员工行列；核聚变商业化多点突破，NIF 实现可重复点火，SPARC 磁约束装置核心磁体就位、整体完工超 75%，Helion 聚变原型机已锁定微软购电合同、目标 2028 年供电。在技术加速的背景下，他把「认知升级」视为普通人对抗熵增的唯一武器。
来源：新浪科技