数学研究相关 AI 资讯 · AI 热点

8月14日

10:28

10:28

官方一手arXiv: OpenAI@Benjamin Collas

arXiv 2608.12816 指出，大语言模型已开始推翻长期猜想，并用几千美元 token 成本解决开放问题，文中特别提到 OpenAI 的2026年8月案例。作者在这篇 arXiv 2608.12816 论文中认为，机器产出的定理、证明、反例只是人类理解这个产品的残渣，而不是数学产品本身；这两条弧线构成同一个循环。真正的产品是人类集体获得的理解，机器只在‘可数’的那条弧线上强，在另一条弧线上缺席——这一点正是 arXiv 2608.12816 的核心论点。论文最后把问题落到机构层面：谁能核查 OpenAI 这类公司的数学主张，下一代研究者做什么，以及无法批量生产的旅程是否会继续获得资助。

论文 OpenAI 数学研究 arXiv

推荐理由：这篇arXiv文章说，AI解数学题只是留下残渣，真正值钱的是人理解的过程。关心数学研究或AI影响科研的可以看看。

8月4日

01:20

01:20

Gary Marcus@GaryMarcus

数学家陶哲轩在一场讲座中指出，AI工具可能带来“证明消化不良”，并非所有机器生成的证明都有用。他强调数学研究并不均匀，AI擅长其中部分环节，却无法覆盖全部。他还提到，Astra（他写评论时该模型尚未发布）能解决特定类型的问题，但目前没有证据表明它能构建新理论。

论文 Terence Tao Astra AI数学

推荐理由：陶哲轩对AI做数学的真实看法，讲得很清楚：AI能算题，但建理论还不行。

6月10日

12:28

12:28

官方一手arXiv: DeepSeek@Xiaoyang Chen, Xiang Jiang

精选

Moonshine 是一个自主智能体，其核心目标是生成数学猜想，而非仅解决单个命题。它通过从经典问题中提取结构、提炼新概念并构建可扩展的理论框架来运作。以雅可比猜想为例，Moonshine 将其核心逻辑迁移至单隐藏层仿射-脊sigmoid网络，提出了神经雅可比猜想（NJC）。利用GPT-5.5-pro和DeepSeek-V4-pro，Moonshine 独立证明了NJC在N=n+1情况下的正确性，并通过ChatGPT交互得到了几何拓扑证明。这项工作展示了Moonshine自主生成有意义数学问题并取得严谨进展的能力。

论文智能体数学研究猜想生成

推荐理由：Moonshine 把数学研究从“解题”推向“猜想的自动生成”，做AI for Science或数学自动化的研究者值得关注，它展示了智能体如何自主发现并推进新问题。

6月1日

02:47

02:47

rohanpaul_ai@rohanpaul_ai

76°

著名数学家陶哲轩在播客中表示，AI 工具正在彻底改变数学研究的方式。过去需要多年教育才能达到数学研究前沿，现在高中生借助 AI 工具和 Lean 等辅助系统，也能参与数学项目并做出实际贡献。这标志着数学研究门槛的显著降低，以及 AI 对学术领域加速作用的又一例证。

AI产品 AI 工具数学研究 Lean

推荐理由：数学研究者、教育工作者和 AI 爱好者值得一看——陶哲轩的观察揭示了 AI 如何打破学术壁垒，让数学研究更开放、更高效。

5月30日

04:57

04:57

rohanpaul_ai@rohanpaul_ai

著名数学家陶哲轩指出，AI 正在消除认知摩擦，让研究人员不再因繁琐的验证工作而放弃大胆想法。过去，数学研究的大部分时间花在检查案例、追踪文献、将直觉转化为计算等琐碎环节，而非灵感迸发。AI 降低了这一循环的成本，使得数学家可以尝试更疯狂的方向，因为许多非常规想法并非被证明为错误，而是被不便所扼杀。陶哲轩认为，降低认知摩擦不会取代品味、判断或证明，而是让更多微弱信号在放弃前变得值得审视，这正是发现的起点。

行业 AI 认知摩擦陶哲轩数学研究

推荐理由：陶哲轩点出了 AI 对科研思维方式的根本改变——不是替代思考，而是让犹豫变便宜。做研究、写代码、搞创新的团队看完会重新理解 AI 的价值。