選個故事，發現新想法。

CAR T 細胞療法透過改造免疫細胞來攻擊癌症，已經幫助治療了一些血液腫瘤。Generate 希望重新設計這一療法的一部分，讓它也能應對實體瘤。不同類型的癌症，給治療帶來的挑戰也不同。

團隊把注意力放在這些細胞攜帶的遺傳指令上。如果能縮短其中一個片段，就可能騰出空間，加入適用於其他癌症的指令。六位科學家使用 Claude Code，為這個片段探索不同的設計。

據 Anthropic 報導，其中一個候選設計比常規版本短約 70%。實驗室測試發現，採用這一設計的細胞產生了約十倍數量的受體，攻擊腫瘤細胞的效率更高，保持活性的時間也更長。

這些發現來自早期設計的實驗室測試，還不能說明最終療法在患者身上的表現。這個案例展示了一種合作方式：AI 提出可以驗證的方案，科學家將其做出來、測量效果，再決定下一步研究什麼。

數學中的波在集中時，最極端的狀態可能只會短暫出現。局部光滑性猜想討論的，是在時間上取平均之後，這種集中會受到怎樣的限制。OpenAI 報導，其模型給出了適用於所有維度的證明，並對其他長期懸而未決的問題產生影響。

這份公告還介紹了電腦科學和物理學方面的結果。在這些領域，最初的輸出之後還有一項工作：讓其他研究者讀懂論證、檢查推理，並弄清它究竟改變了什麼。

對於數學結果，OpenAI 公開了文字論證，以及使用證明檢查系統 Lean 形式化的版本。對於其他結果，外部研究者正在組織合作，並分別決定底層材料的發布方式。

這一流程強調獨立審查。參與者可以討論工作，也可以發表自己的結論。通過檢查的證明與清楚易懂的解釋各有作用：前者驗證形式化步驟，後者幫助學術共同體理解背後的思想、假設與影響。

語言模型處理長文件時，需要在生成回答的過程中持續利用前文資訊。一百萬 token 上下文會讓這一挑戰顯著增加。DeepSeek-V4 技術報告介紹了兩個模型，目標是讓如此大規模的輸入更容易實際使用。

核心變化是一套混合注意力系統。其中一部分先壓縮已儲存的資訊，再挑選相關條目；另一部分採用更強的壓縮，同時對壓縮後的條目保留密集注意力。兩者結合，減少處理長序列所需的資源。

報告在一百萬 token 的條件下，將 DeepSeek-V4-Pro 與 DeepSeek-V3.2 作比較。生成單個 token 時，前者的推論浮點運算量為後者的 27%，KV 快取為後者的 10%。這些數字描述的是指定比較條件下的計算量和注意力快取。

閱讀效率指標時，區分它們的含義很有必要。更低的計算量和記憶體需求，可以讓持續時間更長的任務更可行，但不能單憑這些數字判斷回應速度、價格或回答品質。論文將這些節省與更長的推理、跨多份文件的任務等後續研究聯繫起來。