标签
OpenAI的模型独立解决了Erdős在1946年提出的平面单位距离问题，这是AI首次自主解决数学核心开放问题，具有历史性意义。
OpenAI 的一个内部模型推翻了 Erdős 的单位距离猜想，解决了一个著名的数学难题，展示了 AI 在高水平研究中做出贡献的潜力。
一位OpenAI研究员声称，其模型对离散几何中一个Erdős问题的解决是迄今为止AI领域最大的成就，但预测到年底时这一成就将被超越。
Sam Altman 宣布，一个通用AI模型解决了一个数学上的重大开放问题，称其为一个大里程碑，并对AI不断扩展的能力表示复杂感受。
OpenAI声称其通用推理模型发现了Erdős平面单位距离问题中一个猜想上界的反例，并生成了一个经数学家审阅的证明。
OpenAI内部模型在单位距离问题上取得突破，这是一个在离散几何中著名的未解猜想，80年来未有进展，通过找到一个新构造突破了网格的限制。
OpenAI的通用推理模型自主解决了平面单位距离问题，这是由保罗·埃尔德什（Paul Erdős）于1946年提出的一个著名数学开放问题，标志着人工智能首次独立解决了一个数学领域的核心开放难题。
一个OpenAI模型自主解决了平面单位距离问题，这是1946年提出的著名数学未解问题，推翻了一个持续80年的假设，并实现了人工智能领域的首次突破。
OpenAI在数学领域取得了一项突破：一个人工智能模型自主解决了平面单位距离问题，这是自1946年由Paul Erdős提出的一个著名未解问题。该模型发现了一类全新的构造，其性能优于正方形网格。这标志着人工智能首次独立解决了一个数学领域的重要开放问题。
一份全面资源，详细介绍了计算阶乘函数的多种快速算法，包括 prime swing、split recursive 和 Moessner 算法，并提供了多种编程语言的实现。
探讨哥德尔不完备定理的意义和影响，汇集逻辑学家、数学家、哲学家以及一位物理学家的见解，阐述这些定理如何挑战公理化方法和数学真理的本质。
Terence Tao 指出当前 LLM 背后的数学其实很简单，但真正的谜题在于自然语言数据的中间地带导致模型行为不可预测。
斯坦福大学提供一门免费在线课程，涵盖计算机视觉、机器人与图形学所需的数学方法，配有完整PDF教材和视频讲座，让高质量教育触手可及。
陶哲轩指出，现代LLMs背后的数学很简单，主要使用基本的线性代数和微积分，但模型在不同任务上的性能不可预测性仍是一个谜，原因在于自然语言数据的复杂本质。
介绍了一个名为 Awesome Math 的 GitHub 仓库，整理了代数、几何、分析等30多个数学领域的免费高质量资源（视频、教材、题库），持续更新，适合数学学习者使用。
研究人员发布了SU-01，这是一个30B-A3B推理模型，在物理和数学奥林匹克问题上达到了金牌水平，使用了一种统一的证明搜索缩放方法。
一位研究人员让小型语言模型在自己生成的编程错误和修正上进行训练，在HumanEval上达到80%，并在数学上超越GPT-3.5，展示了在极少资源下的有效自我改进。
两名麻省理工学院学生Sunshine Jiang和Rupert Li被选为2026年Knight-Hennessy学者，将获得斯坦福大学研究生学习的资助。Jiang研究具身人工智能和机器人学，而Li从事概率和离散几何研究。
GoodfireAI发现，神经网络通过旋转形状进行数学运算，并在一个大语言模型中发现了一个旋转形状计算器，该计算器不仅用于数学。