OpenAI 复杂度结果意味着什么：部分 NP 问题或可低于指数时间求解
jfischoff · x · 2026-10-27
转发评论指出 OpenAI 的复杂度理论结果意义重大：OpenAI 并未证明 P=NP，但证明了某些 NP 完全问题可以在快于指数的时间内求解。这意味着要么 P=NP，要么 NP 问题的复杂度处于多项式与指数之间的「中间态」（如 O(n^log n)）。若结果通过同行评审，可能是数十年来最大的计算机科学突破之一。
「研究」频道最新
- JEPA 预训练接 GRPO 强化学习：两个开源 checkpoint 公开完整配方 — burny_tech · 2026-10-27
- ONDA 论文：用算子值信息波解决图神经网络长程传播难题 — burny_tech · 2026-10-27
- PySR 作者 symbolic regression 库上线网页 demo,画个公式即可体验 — CatAstro_Piyush · 2026-10-27
- 约翰霍普金斯等推 OpenTac：可定制可量产的机器人 3D 触觉皮肤开源生态 — _krishna_murthy · 2026-10-27
- NeurIPS 论文：任务越难 LLM 内部表征越稀疏，还可据此优化 ICL — zhaoran_wang · 2026-10-27
- Neuron Explorer 工具 3D 可视化 Transformer 逐层神经元激活 — arthurcolle · 2026-10-27