ai-mathematics

文章从伽罗瓦的群论故事切入，深入探讨了AI在数学领域的能力边界，区分了“连接闪电”（跨领域连接）和“建造山峰”（创造新框架）两种进展类型，分析了RLVR训练方法的局限性，并提出了“可磨性”概念来解释AI在数学和代码上的快速进步。

本文应用VGPT-RSI人工智能系统生成与黎曼假设相关的形式化验证的部分结果，包括边界证书和有限Lagarias不等式，同时明确识别剩余数学障碍。

本文在Dyck路径的zeta映射双射上训练了一个小型单层编码器-解码器transformer，并使用机制可解释性提取了一种新的显式算法（称为脚手架映射），展示了AI辅助的数学发现方法。

Aleph Prover 已在 Lean 4 中形式化了 OpenAI 对保罗·埃尔德什平面单位问题的反证，并将其作为开源发布以供独立验证，展示了人工智能在加速数学研究中的作用，同时提供了可验证的证明数据。

上周末，Mythos 在 Erdos 单位距离问题（问题 #90）上得到了测试，并成功解决了它。

陶哲轩评论 AI 使得大规模生产数学成为可能，将证明写作转化为可搜索的问题：从目标生成数千个迷你引理，然后用廉价检查器过滤掉大部分，只保留少数有效的。

OpenAI的一个模型自主推翻了离散几何中的核心猜想——单位距离问题，这是人工智能首次解决数学领域的重要开放问题。

DeepMind 研究人员利用 AI 技术在基础流体动力学方程中发现了新的不稳定奇点族，有望推动对纳维-斯托克斯方程等百年数学难题的理解。该项工作与布朗大学、纽约大学和斯坦福大学合作，以前所未有的计算精度揭示了爆炸行为的规律。

一位数学家使用Codex 5.6成功推翻了自己耗时三年试图证明的代数曲面猜想，模型能够自动派生子代理处理繁重计算，让他能专注于难题与生活。