今日刊

想象两张地图，明明指向同一地点，路线却互相矛盾。这正是Bethe-Feynman公式的处境——它被广泛用于估算简单裂变武器的爆炸当量，但公开推导中不仅使用了模糊的近似，还包含一个明显的矛盾。这篇论文一刀剪开乱麻：证明该公式实际上可以直接从Arthur H. Compton在1941年的更早期方法中提取出来，旧矛盾自然消失。

所以呢？ 这澄清了关键公式的物理基础，让核武器设计的底层逻辑更直观、更好懂。

想象一下，一台小排量汽车却在山路赛道上跑赢了大马力跑车。VideoChat3 就是这样的 AI 模型：仅 4B 参数量，却在视频理解任务上超越了许多更大参数的模型。它采用全新的 3D 视觉变换器和自适应帧分辨率技术，能高效处理各种长度的视频。同时，通过合成三大类训练数据（学术短片段、长视频、开放式问答），它学会了广泛适应的能力。这意味着，高效且通用的视频 AI 不再是少数巨头的专利。

接触感染者不代表一定会被传染，就像近距离闻一朵花不一定就会打喷嚏。这篇论文将“暴露”与“感染”分开，并用“感染年龄”来间接表示病毒载量，从而描述感染概率如何随接触对象的病毒量变化。核心发现：感染风险不仅取决于是否接触，更取决于对方当时携带的病毒量。这意味着，公共防疫措施若能聚焦于降低传播者的病毒载量（如戴口罩、早治疗），可能更有效。

想象你正在看电影，突然意识到自己正在看电影——这种“跳出来”的感觉就是元意识。一篇论文用计算机模型模拟了专注冥想，发现元意识像大脑的“全局工作空间”的触发信号，来自“策略-先验分歧”（即你预期的状态与实际感觉的差距），并通过“协调器”与“干扰器”两个思想种子竞争来开启。模型成功再现了冥想中四种意识状态（如专注、走神）的切换。这意味着，主观的冥想体验可以用数学量化，未来或能用于设计神经反馈训练，帮人更快进入深度专注。

想象一面哈哈镜，虽然成像快，但总把人照变形。经济学家常用变分推断（一种快速近似计算方法）来估计复杂收入模型，但它也会引入偏差。新研究提出间接变分推断（IVI）——把变分推断本身当作一个辅助模型，通过校准来纠正由近似带来的偏差。模拟和应用显示，灵活变分族配合IVI能得到可靠估计。这意味着，我们可以在享受计算效率的同时，不牺牲参数恢复的准确性。

就像学生自己总结错题本，SEED让AI从过去的行动中提取经验，写成自然语言的「技能」——比如「先检查工具再执行」。传统强化学习需要大量试错，而SEED让AI边做边分析：它先微调策略，从完整轨迹中找出可复用的流程、关键观察或避免失败的方法。然后，这些技能被用来重新评估行动选择，产生密集的逐令牌蒸馏信号，指导策略更新。关键创新：分析器就是策略本身，所以监督信号能随策略进化，而不是固定不动。这意味着AI能在稀疏奖励的长期任务中（如多轮对话、工具使用）自己生成中间指导，学习更高效。