我反向构建了Perplexity——它能找出无人解答的问题。

有一位非数学家让Claude“认真尝试解决黎曼假设问题”。虽然它未能真正解决该问题，但这一尝试将临界线上齐塔零点比例的下限从41.6%提升到了67.2%。随后数学家们对这一结果进行了验证。我们还得到了怀尔斯关于费马大定理证明的11天长度的Lean形式化版本。而GPT-Astra则以99.9%的得分彻底击败了ARC-AGI-3……看到这些成果后，我真想让AI模型去处理更有趣的任务，而不是只做数据看板！但到底该给它们什么任务呢？于是我开发了ARC-AGI-N：这是一款开源的AI研究工具，它能找出数学与科学领域的未解问题，并为其他AI模型提供解决这些问题的所需背景信息。它的功能包括：用户可以搜索“数论领域的未解问题”或“气候科学领域的未解问题”，该工具会搜索论文及网络资源，相关来源信息会实时显示。打开某个问题后，用户可以看到问题描述、背景知识、参考资料以及建议的起始解决方向。用户还可以将包含问题及其参考资料在内的提示词复制到自己的AI模型中。此外，还提供了在支持的应用程序中直接打开问题的快捷方式。用户可以通过DeepResearch功能深入研究该问题的基础理论、历史背景、以往的尝试方案以及可能的解决路径，同时还会获得前72小时的详细研究计划。用户还可以在交互式地球仪上浏览各类问题，或查看AI已协助发现、证明或形式化的成果记录。例如，埃尔德什-斯特劳斯猜想探讨的是：对于所有n≥2的分数4/n，是否都能表示为三个正单位分数之和。该工具不会只把猜想名称交给AI模型，而是会提供具体的问题描述、相关阅读材料以及建议的第一项任务——搜索涵盖更多剩余类的参数恒等式，然后再对这些恒等式进行验证。提示词会以“试着解决这个问题”开头，用户可以直接复制使用，也可以先查看更详细的研发计划。它的实现技术包括Next.js、React和TypeScript，交互式地球仪功能由Mapbox提供，文献搜索及深度研究则借助OpenAI Luna模型以及Valyu的搜索和DeepResearch API完成，报告内容则通过Markdown、LaTeX格式及代码预览呈现。该工具的代码是开源的，用户可以使用自己的密钥自行托管。相关代码已放在评论区中，同时也提供了托管版本！需要说明的是，这个工具并不能直接将一个提示词转化为有效的证明。它的核心作用是帮助用户更容易地找到值得尝试解决的问题，并为AI模型提供足够的背景信息以便开始研究。我很希望大家都能试用它，补充优质的问题来源并参与贡献。尤其是那些知道某些被忽视、但通过更多计算就能得到解决的问题的研究人员，你们的意见对我们非常重要！那么，你会让AI模型在周末时间里去解决什么问题呢？