两人实验室GSI称用harness在八大领域取得250多项突破

成立仅一个月、核心成员两人的独立实验室GSI(Generalised Superintelligence)宣称,借助一套“元求解器”harness而非自研大模型,在量子计算、超导物理、芯片设计和纯数学等八个领域取得250多项成果,其思路是让AI先识别问题的代数与几何对称性,再现场编译专用求解器。

一句话看懂:成立仅一个月、核心成员两人的独立实验室GSI(Generalised Superintelligence)宣称,借助一套“元求解器”harness而非自研大模型,在量子计算、超导物理、芯片设计和纯数学等八个领域取得250多项成果,其思路是让AI先识别问题的代数与几何对称性,再现场编译专用求解器。

事件核心:发生了什么

据社交平台账号@gntalktalk于2026年11月22日发布的内容,GSI由Yashraj Shukla对外宣布这批成果,来源是其Meta Solver Platform。GSI的定位不是模型公司,两名核心成员也没有展示自研基础模型,而是做了一个harness:面对组合与逻辑难题时,先让大模型识别问题背后的对称结构,在五六分钟内生成高度定制的求解器,压缩无效搜索空间。发布方称,该方法在部分问题上的求解速度比业界顶尖通用求解器快数百倍甚至三万倍。

成绩单包括:构造出200多个高阶阿达玛矩阵(最高2148阶);证明搜索空间达8.3×10^123的某经典循环差集问题无解;将常规超导体转变温度经验公式中的比例常数锁定在0.1827;审计出公开超导材料数据库中约12.5%的非物理错误数据;把IBM的Two-Gross量子纠错码抗噪底线锁定在16个量子比特;为芯片布局基准算出带数学证书的最短连线极限。上述数字均来自发布方自述,目前公开信息显示尚未见到独立复现或同行评审记录。

为什么重要

这套方法论的关键不在算力规模,而在验证方式。GSI刻意选择“寻找极难、验证极易”的形式科学问题,每项产出附带显式矩阵、不可满足性证明或可独立运行的代码证书,从流程上绕开了大模型常见的幻觉问题。对行业而言,这提供了一个区别于“堆显卡、拼训练”的路线样本:大模型负责提出结构假设,外部符号工具负责严格验证,推理成本可能远低于暴力穷举。不过,它依赖的仍是现有大模型能力,harness本身能否泛化到验证困难的经验科学领域,目前没有公开证据。

对用户/开发者/创作者的影响

对开发者,值得关注的是“模型+定制求解器+证书验证”这一组合模式,它可能被迁移到代码验证、约束优化、形式化测试等场景;但由于平台未开源、未公布API,现阶段无法直接调用。对科研用户,这提示可以把AI用在搜索空间剪枝和证明候选生成上,而不是让它直接给结论。对企业和投资方,目前公开信息仅限社交平台发布,应把它视为方法论信号而非可采购产品,重点观察论文、代码和数据是否开放。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

1. 250多项成果是否以论文或可复现代码形式公开,并通过独立验证;2. Meta Solver Platform是否对外开放,还是仅限内部研究;3. 大模型厂商和科研团队是否跟进类似“harness+符号验证”的路线,以及它在材料、EDA等工程领域的实际效果。

来源:@gntalktalk

celebrityanime
celebrityanime
文章: 36733

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注