mathematical-discovery

The Verge 报道了 OpenAI 的 Astra 模型解决了十个长期存在的数学问题，引发了数学家们对该领域未来的兴奋与担忧。

OpenAI的AI模型已经解决了多个著名的埃尔德什问题，包括单位距离猜想，促使数学家重新思考AI如何改变数学研究。

一位数学家描述了一场由近期LLM生成的长期猜想反例所引发的精神危机，认为数学发现中的人类体验至关重要且受到威胁。

一个名为Fable的AI模型发现了雅可比猜想的一个反例，这是一个长期未解决的数学难题。它通过找到一个满足特殊条件但不可逆的多项式函数实现了这一点。

据报道，AI模型Claude找到了一个长期未解决的雅可比猜想的反例，该反例得到了多个LLM的验证，引发了关于AI在数学发现中的作用的讨论。

作者分享了在代数自动研究实验中的观察，指出AI模型能够生成代码并发现新颖的抽象规则，从而产生人类难以理解的潜在陌生数学。

ThetaEvolve是一个开源框架，扩展了AlphaEvolve，使得像DeepSeek-R1-0528-Qwen3-8B这样的小型LLM能够通过测试时强化学习在开放问题上取得新的最佳已知边界，加速了AI的自我进化。

本文介绍了一种使用LLM智能体（编码智能体和理论智能体）发现尖锐常数不等式的凸松弛的自动研究范式，从而改进了两个优化常数的认证下界。

本文探讨了人工智能如何改变数学，引发了关于人类数学家角色的思考。文中引用了陶哲轩等专家的观点，并讨论了人工智能自动完成部分数学发现的潜力。

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。

本文探讨了语言模型能否独立发现零的概念，作为分布外泛化的一种形式。研究发现，GPT-2大小的模型在测试时无法做到，但通过零的示例训练后会有显著提升，并且语言预训练减少了所需示例的数量。