OpenAI 讓模型參與晶片設計:關鍵在閉環驗證
OpenAI 首度公開模型投入晶片設計的工程流程。真正的難題不是生成 RTL,而是讓模型整合 EDA 工具、依失敗結果持續修正,並在明確邊界內接受驗證與人工把關。
Architect Labs 公開由 AI 協助探索、設計並驗證的 Frostbite CPU 架構。這套成果的價值在於提供可複核的設計與驗證流程,但它距離流片、量產與商業落地仍有數道工程關卡。
OpenAI 首度公開模型投入晶片設計的工程流程。真正的難題不是生成 RTL,而是讓模型整合 EDA 工具、依失敗結果持續修正,並在明確邊界內接受驗證與人工把關。
Anthropic 宣稱 Claude 為兩個黑洞物理開放問題提出解法,但目前主要依據仍是廠商自行發布的研究文章。本文從來源、可重現性與同行審查切入,整理國內 AI 科研團隊可立即採用的驗證流程。
Anthropic 官方分享 Claude Code 團隊如何將自動測試、靜態檢查與人工判斷提前嵌入 AI 程式開發流程。這套分層驗證方法透過 CI、明確規則與可重現結果,讓 Agent 的產出更可靠,也更容易審查。
研究團隊利用 AI 協助釋讀、轉寫與形式化哥德爾遺稿中的數百項已證定理,再由數學家判斷語境並複核證明。這項工作的核心成果,是把難以使用的歷史手稿轉化為可檢索、可追溯、可驗證的研究資料。
Anthropic 將 LLM 可靠性從跑分比較推向形式化驗證,探索如何讓推理結果具備可檢查的保證。本文分析這項研究的技術邊界,並提出 Agent 在驗證、拒答與人工接管上的部署設計。
AI 參與數學研究後,數學成果的信任基礎可能從作者聲望轉向可重現、可追溯的驗證鏈。這也讓 AI Agent 的角色、責任歸屬,以及去權威化可能帶來的新權力集中問題浮上檯面。
Qwenputer 運用 Qwen3.5 生成可執行、可重現的 RISC-V CPU。本文從程式生成、除錯到架構決策,拆解模型能承擔的工作,以及目前仍難跨越的驗證落差。
Anthropic 將 LLM 導入形式化軟體驗證,讓 coding agent 的目標從「通過測試」延伸到「滿足可由機器檢查的規約」。不過,模型能降低部分試錯成本,規擬品質、證明規劃與驗證成本仍是落地關鍵。