Chain Theory：用 AI 从量子信息重建基础物理,找到无参数精细结构常数候选式
skdh · x · 2026-10-26
Alexander Wissner-Gross(alexwg)宣布启动「Chain Theory」研究计划,试图从量子信息出发重建基础物理,并发布首个结果：一个无自由参数的精细结构常数候选表达式。
配图为 Stephen McCormick 整理的《精细结构常数的 137 个表达式》：α⁻¹ 实测约 137.035999,AI 通过极简搜索找到大量在该精度下等值的表达式,引发物理学家对「数值命理学」为何如此奇怪的讨论(Quasilocal 称 5 分钟即制作了相关可视化)。
「研究」频道最新
- 新研究挑战 VAD 三维模型：词义更接近善意-力量-攻击-危险-结构 — abenitezburraco · 2026-10-26
- 三周从零训一个 1B 模型：作者晒 15.9 天训练实录 — arthurcolle · 2026-10-26
- TWIG 论文:权重即离散决策路径,统一压缩与电路化部署 — ITMO · 2026-10-26
- Dual Exam 基准:多模态智能体与世界模型表现脱节 — Zhefan Rao · 2026-10-26
- CoRL 论文：VLA 机器人策略单步推理即可匹敌多步，动作生成提速 1.6~4.8 倍 — kaixhin · 2026-10-26
- 生物模拟为何难:参数敏感性普遍「马虎」,精确测量常非关键 — rbhar90 · 2026-10-26