标签
一篇评论文章，回应 Anthropic 发布的客座文章，后者介绍了 BootLoops——一系列工具，其中由 Claude 生成的计算在技术上是正确的，但只有在领域专家重新引导问题之后才获得了科学意义。文章主张，在把 AI 输出称为一项发现之前，算术验证与相关性/新颖性判断需要分别由专家独立审核；同时也指出，该客座文章的作者是 Anthropic 的访问研究员，而非独立基准测试者。
作者描述了使用AI辅助证明关于omnific integers的Conway refinement conjecture，声称在大量使用令牌后获得了Lean证明。该证明已通过机械检查，但尚待独立验证。
本文介绍了PRISMA-LLM，一个基于实证的报告AI辅助系统性综述的框架，解决了在综述工作流程中如何记录LLMs和AI软件的不一致性。
微软发布超过974个安全补丁，包含关键零日漏洞，创下单次更新最大规模纪录，其中人工智能技术助力加速漏洞发现。
本文描述了利用 Opus 和 Fable 等 AI 工具开发新的工资决定经济理论的过程，该理论在一篇论文中形式化，扩展了 Acemoglu 和 Restrepo 的基于任务的模型。
Paper Pilot是一个面向证据可追溯科学文稿生成的人机协同专家系统，通过审批关卡和审计日志确保问责制并防止AI辅助研究工作流程中的伪造行为。
这篇文章反映了前沿大语言模型和Lean自动化如何大幅减少了编程语言研究中形式化证明所需的工作量，导致会议投稿数量翻倍并改变了出版规范。
本文提出了最短向量问题（SVP）的随机算法，通过使用周期高斯函数在中点处的Hessian矩阵，将经典最佳时间复杂度改进到$2^{0.6039n}$，量子最佳时间复杂度改进到$2^{0.5411n}$。
本文评估了大型语言模型（ChatGPT、Claude、DeepSeek）在物理、天体物理和宇宙学领域生成单页项目计划的能力，以及人类和AI评审员如何对其进行评估。结果表明，人类评审员对AI和人类撰写的提案评分相似，而AI评审员则更偏好AI撰写的提案，并能完美区分两者。
本文呈现了数学领域中人类与AI共同发现的一个案例研究，AI协助将关于符号嵌入量子算法的直觉扩展为正式框架和证明，而人类判断则指导路线选择。
分享了一个由 ModelScope 维护的开放共建仓库 Awesome Vibe Research，该仓库收集并沉淀了科研全流程中可复用、可验证、可演化的 AI 辅助组件，包括智能体、技能包、工作流、工具和最佳实践，旨在帮助科研人员和开发者利用 AI 提升研究效率。
本文提出，AI辅助社会科学研究的可靠性取决于决策架构——即认知劳动在人类与机器之间的分工方式。通过一个预先指定的析因实验，作者表明，一个无约束的多智能体基线在72%的运行中失败，而采用三个架构承诺（限制LLM仅进行推理、确定性数据/估计、以及三个人类决策门控）的组织运行失败率仅为16%。
# Bolzano：LLM辅助数学研究的案例研究 来源：[https://arxiv.org/html/2604.16989](https://arxiv.org/html/2604.16989) Jan Grebík1、Pavel Hubáček1,2、Martin Koutecký1、Matěj Kripner3、Václav Rozhoň1、Robert Šámal1、Adrián Zámečník1 1 布拉格查理大学计算机科学研究所 2 捷克科学院数学研究所 3 布拉格查理大学形式与应用语言学研究所 ###### 摘要 我们报告了在数学与理论计算机科学领域六个问题上取得的新成果……
GPT-5.2 协助推导出一个新的理论物理学结果，表明在特定半共线动量条件下，单负胶子树图振幅可以非零，挑战了粒子物理学中数十年的假设。该AI模型识别了复杂费曼图表达式中的模式，并推测出一个通用公式，随后通过形式化证明得到了验证。