The web has changed in nature. We no longer search, we scroll. Pages look alike, texts are churned out, and we end up reading a great deal without keeping any of it. Educating yourself there has become a strangely passive affair.
Here, you do more than read. Every article ends with a quiz: a few questions on what you have just read. When the subject lends itself to it, it is an experiment — you set the values yourself and recover, in turn, the researchers' result.
物理
抛硬币只是看起来随机。如果知道抛掷的每一个细节，你就能预测结果。量子的随机性会不会也藏着同样的秘密细节？
1943年，一位英国数学家给出了否定的回答。他的证明只用了一个光子和一个偏振片。这在1944年和1945年引发了十一篇回应，其中十篇发表在《自然》杂志上。
第十二篇回应从未付印。日内瓦的一位研究者在维也纳埃尔温·薛定谔的档案中发现了它。薛定谔只用了寥寥几行，就构建出了那个本应不可能存在的模型。
然而他并不信奉决定论；自20世纪20年代起，他就一直主张自然中存在随机性。他的模型是一个原理性证明：不可能性证明只对问题的特定提法成立。
来源：Schrödinger's unpublished hidden-variable model in the 1944–45 debate over the "Collapse of Determinism", https://arxiv.org/abs/2610.20752
物理
一兆巴大约是你周围空气压力的一百万倍。它能把绝缘体变成金属。用冲击波产生这样的压力，通常需要国家实验室里的巨型激光器。
麻省理工学院的一个团队找到了一条捷径。一台激光器产生四个光环，最大的先发射，最小的最后发射。每个光环恰好在向内汇聚的冲击波经过时击中一层薄薄的墨色水膜，把它推得更猛。
四个各4.5毫焦的光环就够了。与实测冲击波轨迹相吻合的模拟显示，中心处的压力超过400吉帕。四个光环接力的效果远远好于四个光环各自单独发射。
有一点需要注意：这个压力是计算出来的，还没有实测。X射线应当能验证它。如果得到证实，极端物质物理就可以搬上普通的实验台。
来源：Megabar Shocks on a Benchtop, https://arxiv.org/abs/2610.20749
数学
1900年，希尔伯特要求找到一种方法，判定任意多项式方程是否有整数解。1970年，答案揭晓：这样的方法不可能存在。
对于分数，答案直到最近才出现。2026年10月初，OpenAI发布的一篇预印本证明，答案同样是否定的。没有算法能对每个方程作出判定。
南京大学的孙智伟在这一证明的基础上更进一步。他证明，这种不可能性在只有86个未知数的方程中就已成立。他的工具是椭圆曲线上的点，以及精心构造的素数族。
对于整数，孙智伟此前已把这个数目降到了10。在分数上，86是这一构造所给出的数值。孙智伟称之为一个上界，而不是无法突破的极限。
来源：86 unknowns for Hilbert's tenth problem over the rationals, https://arxiv.org/abs/2610.20691
物理
镓可以捕获中微子。偶尔会有一个中微子把一个镓原子变成锗原子。数一数这些锗原子，就能测出有多少中微子穿过。
物理学家用强放射源照射镓时，发现锗原子少了约20%。这个缺口的置信度超过4σ，被称为“镓反常”。
两位物理学家转向另一个源：太阳。它的中微子产额由Borexino和SNO等其他探测器测量，与镓无关。他们预测的捕获率为67.5个标准单位。而镓实验本身测得66.1 ± 3.1。
测量值与预测值相符：两者之比为0.98。所以镓的捕获率没有错，计数也没有错。反常是真实存在的，它的成因在别处。
来源：Gallium Anomaly and Solar Neutrinos, https://arxiv.org/abs/2610.22219
医学与健康
胸部X光片的角落里常常带有一个标记：医院编码、一个标签。AI可能学会读这个标记，而不是看肺。到了另一家医院，它就会悄无声息地失灵。
马凯雷雷大学的两位研究人员深入考察了一个常用的图像AI。在144个注意力头中，有一个格外突出。在200张新冠肺炎X光片中，它在62%的片子上紧盯着左上角的文字。
用逼真的组织纹理抹去这些文字，这个注意力头的关注点就会移回肺部。同样的模式也出现在另外两个AI模型以及第二个数据集上。
出人意料的是：把这个注意力头关掉，哪怕连同另外两个可疑的头一起关掉，诊断结果也没有可测量的变化。标准测试看不到这条捷径。只有深入模型内部才能发现它。
来源：Spurious Attention Heads in Vision Transformers: Mechanistic Identification of Annotation-Driven Bias in Medical Chest X-Ray Analysis, https://arxiv.org/abs/2610.21638
地球与气候
两段长度相同的行程，爬坡量可能大不相同。而每一次爬坡都要消耗能量，每开一次车就消耗一次，周而复始。城市的形状是否考虑到了这一点？
西班牙的研究人员选取了56座城市的真实街道网络。他们保持同样的出行（来自带地理位置的社交媒体帖子）不变，把每个街道网络在其地形上移动：平移、旋转、拉伸。
在能够完整检验的30座城市中，有26座的真实布局在所有尝试过的版本中能耗最低。在另外4座城市中，平移后的版本节省的能量也不到3%。
波哥大如果向西平移750米，可以节省2.5%。但那片土地包括波哥大河沿岸易受洪水侵袭的区域。真实的城市也许已经坐落在可用的最省能的土地上。
来源：Mobility energetic balance frames spatial configuration of cities, https://arxiv.org/abs/2610.21558
地球与气候
要在气旋来临前撤离，人们需要提前几天知道它会在哪里登陆。AI天气模型在平均表现上已经可以媲美最好的传统预报。但面对罕见而猛烈的风暴呢？
来自法国国家信息与自动化研究所（INRIA）、索邦大学和安盛（AXA）的一个团队重演了178个气旋。他们让三个输出整套预报的AI模型，与ECMWF基于物理的集合预报系统IFS-ENS一较高下。
在2025年气旋季，对于约90%的气旋，AI模型FGN在风暴真实位置上给出的概率高于IFS-ENS。它对最强风速和最低气压区域的定位也更好。
弱点在于：AI预报出的风暴太弱。它们的峰值风速不足，而IFS-ENS更接近参考值。不过，每个风暴内部风速与气压之间的关系是正确的。
来源：Can AI Forecast the Extremes? Evaluating Probabilistic Weather Models on Tropical Cyclones, https://arxiv.org/abs/2610.22077
太空与天文
宇宙尘埃会以一种独特的方式削弱光线。在我们的银河系中，它会在紫外波段2,175埃附近刻出一个凹陷。微小的碳颗粒通常被认为是“嫌疑人”。
一个由帕多瓦大学牵头的国际团队研究了一个绰号“黑珍珠”的星系。韦布望远镜看到的是它在宇宙大爆炸后约5亿年时的样子。
它的光谱中出现了同样的尘埃凹陷，探测显著性达17.6σ。这是迄今报道的最遥远的一例。但它位于2,132埃，向蓝端偏移。
在稍晚一些的星系中已知的凹陷，则向相反方向偏移。所以最早的尘埃并不都一样。小石墨颗粒或称为PAH的碳分子都可能符合。
来源：An Attenuation Bump at z=9.3: Probing Dust Diversity at Cosmic Dawn, https://arxiv.org/abs/2610.20722
计算机与人工智能
让两个简单的学习程序彼此竞争定价。它们最终定出的价格远高于竞争价格。2020年的一项里程碑式研究认为这背后有一种威胁：你压价，我就反击。
靠报复来维持的价格看起来就像卡特尔。正是这种解读让该结果在竞争监管机构那里分量十足。圣保罗的两位研究人员对它进行了五项检验。
把价格调高而不是压低，对手同样会“报复”。让一个智能体与陌生对手配对，协调程度就会暴跌80%。而一种更聪明的偏离策略本可以获利：平均多赚17.5%的利润。
所以，价格居高不下，不是因为作弊会受到惩罚，而是因为从来没人尝试作弊。打乱对手的配对，就能打破这种习惯。
来源：Algorithmic Collusion Without Deterrence: Auditing the Punishment Mechanism in Q-Learning Pricing Agents, https://arxiv.org/abs/2610.21867
数学
在方格纸上画一个大圆，数一数圆内的格点。这个数目接近圆的面积，但从不精确相等。两者的差距最大能有多大？
高斯证明了这个差距的增长至多像X的1/2次方。这里X是半径的平方。数学家们预期是1/4，而且不可能比这更好。
一个多世纪以来，这个指数一点点地下降。北京的四位数学家如今达到了209/670，约为0.3119。此前的纪录约为0.3145。
他们的数值恰好低于5/16。赫胥黎（Huxley）曾提出，5/16可能是他所改进的那套方法的极限。两项新的技术改进越过了它。这篇论文是预印本，通往1/4的路仍然漫长。
来源：A New Bound for the Gauss Circle Problem, https://arxiv.org/abs/2610.21730