标签
数学家通过国际数学联盟认可的《莱顿宣言》警告，人工智能威胁数学研究的核心价值，包括正确性、透明度和引用规范，同时引发对行业影响力和传统标准被侵蚀的担忧。
推荐《The Little Book of Generative AI Foundations》这本生成式AI数学基础书，涵盖PCA、SVD、VAE、扩散模型等核心脉络，面向agentic engineering从业者。
OpenAI的AI模型推翻了埃尔德什单位距离猜想（Erdős unit distance conjecture），这是一个困扰数学家80年的离散几何著名难题，标志着AI数学领域的里程碑。
Thomas Bloom 撰写了一篇综述博文，介绍了近期关于 Erdős 单位距离猜想和实数域上和积猜想的反例，包括借助 OpenAI 辅助推翻单位距离猜想的工作，以及通过合作推翻和积猜想的工作，并概述了相关构造方法及其背后的直觉。
Greg Brockman 指出，人工智能让像数学家陶哲轩这样的研究人员得以自由探索更大胆、更具创意的想法。
陶哲轩与Mark Chen讨论了人工智能如何改变数学研究，从文献搜索到代码生成，以及调整工作流程的必要性。
ATLAS是一个大规模的Lean 4教科书数学库，由LLM自动形式化，涵盖26本书籍，超过46,000个声明。它为人机形式化提供了可重用的形式化构建块。
一个精心整理的GitHub收藏集（Mathematics for Machine Learning），整理了书籍、论文、视频讲座和数学基础，用于学习和复习机器学习背后的数学知识，涵盖线性代数、微积分、概率论、统计学等。
2026年开年以来，AI以摧枯拉朽的速度完整解决了至少10个Erdős问题，若包括新解则达19个，被视为数学科研的珍妮纺纱机。
Google DeepMind的AI代理自主解决了353个未解决的Erdős数学问题中的9个，每个问题花费仅几百美元。
一条推文，解释了关键Transformer概念背后的数学基础，包括注意力、缩放因子、反向传播、梯度下降、交叉熵损失、RoPE和RMSNorm。
亚历山大·格罗滕迪克通过他在代数几何领域的工作革新了20世纪数学，专注于隐藏的几何结构以及对象之间的关系，而非对象本身。
讨论AI用到的数学主要是19世纪之前的线性代数、微积分等，但涌现现象如Scaling Law、涌现能力、双下降、情境学习和表示几何缺乏数学解释，类比1900年物理学的乌云，认为可能推动21世纪数学发展。
一条推文分享了David Shirokoff在MIT关于马尔可夫链的讲座，内容涵盖转移概率、马尔可夫矩阵、特征值以及长期稳态。
Daniel Lemire 探讨了64位整数中能表示为两个32位整数乘积的比例，发现只有约17%，这对哈希函数设计有影响。
一本开源书籍，构建了大型语言模型的数学基础，涵盖线性代数、微积分、概率和Transformer架构，包含超过1000页的清晰解释和实用示例。
OpenAI声称其未发布的推理模型解决了数学中具有80年历史的平面单位距离问题，并产生了一个优于传统基于网格排列的原始证明。