标签
一个名为 Theo Conjecture 的AI系统，利用了大型语言模型，解决了一个35年前的图论问题，该问题最初由数学家 Paul Erdős 提出，发现了一个意想不到的项。该系统通过循环提出、测试和修正数学想法来工作。
一个自主的AI智能体（math-god）证明了加权θ扩展定理，证明了每个通过一条桥边连接一个任意有根树的简单θ图都满足 s⁺(G) > |V(G)|，使用了根同余PSD证据、局部归约、相位符号分类和其他先进技术的组合，并提供了机器可验证的证书。
介绍了TopoGuard，这是一种基于图论的防御方法，用于抵御RAG系统中的Split-Knowledge攻击。该攻击中，多个单独无害的文档组合后会产生有害输出。该方法通过构建语义相似度图来检测恶意上下文，性能显著优于现有的逐文档过滤器（如LlamaGuard）。
一条推文报道，AI（很可能是GPT-5.6 Pro）推翻了图论中一个长期未解的Dinitz-Garg-Goemans猜想，使用的提示词很简单，比如“做一次突破”。
一位中国教授发现了一种新的确定性最短路径算法，通过结合Dijkstra和Bellman-Ford算法并引入前沿缩减，突破了40年来的排序障碍，在稀疏图上实现了O(m log^(2/3) n)的时间复杂度。
提出了一种提示扰动框架，该框架生成扰动的提示变体，通过图级一致性检查过滤掉结构不一致的比较模式，然后应用标准排名方法产生更可靠的LLM排名。
来自清华、斯坦福和马克斯·普朗克的五位研究人员开发了一种新的最短路径算法，在稀疏有向图中超越了迪杰斯特拉算法，实现了O(m log^(2/3) n)的时间复杂度，这是自1987年以来的首次改进。
论文介绍了GTBench，这是一个基于课程体系的基准，用于评估大语言模型在图论中作为数学研究助手的能力，包含63个问题，分为三个难度级别。它评估了五个前沿模型，发现性能随难度增加而下降，其中GPT-5在基础问题上近乎完美，但在研究生级别的证明上仅达到82%。
本书全面综述了不确定性下的图论，涵盖了模糊、中智和不确定图模型及其性质、扩展，以及在决策、图神经网络和知识图谱中的应用。
Sensor Tower 工程团队利用图论分析和性能分析工具，识别出后端端点缓慢的瓶颈，通过优化 Protobuf 解码和编码步骤，实现了四倍的速度提升。
本文探讨了数独背后的数学原理，解释了如何将数独建模为图论中的顶点着色问题。文章详细阐述了如何利用贪心搜索和回溯等算法来解决这类结构。