稳态学习评估：BIRD-SQL F1 案例研究
原文标题：Measure Learning at Steady State: A BIRD-SQL Formula 1 Case Study
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
该论文提出以「稳态学习」评估持续学习系统，在 BIRD-SQL 一级方程式数据集上考察长周期表现。结果显示，在 gpt-5.6-luna 上，无界上下文 ICL 的后期探测次数从 4.6-5.6 降至 0.95，但命中率提升有限，上下文膨胀至约 95k token、成本近乎翻倍。作者认为短周期增益会低估探测节省并忽略成本反转，无界 ICL 并非理想的学习机制。
- 问题
- 持续学习评估只看短周期增益，无法反映长周期下上下文膨胀与成本反转。
- 方法
- 提出稳态学习指标，在BIRD-SQL长周期调度上把得分拆为探索效率、任务奖励与交付成本。
- 结果
- gpt-5.6-luna上后期探测从4.6-5.6降至0.95，命中率仅小幅提升，上下文增至约95k token、成本近乎翻倍。
- 影响
- 提醒工程师无界上下文ICL并非理想学习机制，评估需纳入长周期成本而非只看短期增益。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。