AI数学能力直逼人类顶流,学术界却吵翻天:机器证明算真研究吗?
先看硬数据。LLM Stats的2026年数学AI排行榜综合了GSM8K、MATH、AIME等十余个主流基准测试,评价维度包括推理准确率和成本效率两个核心指标。Claude Mythos Preview以47.3的综合评分排在第一,紧随其后的是Qwen3.7 Max(44.0)和Gemini 3.1 Pro(43.0)。国产模型的表现同样不容忽视:Kimi K3、GLM-5.2、DeepSeek-V4-Pro-Max都在前十里占据席位,与GPT-5系列形成正面竞争。但值得注意的是,这个排名主要衡量的是解题能力,而数学研究远不止“给出正确答案”这么简单。4
2026年6月发布的《莱顿人工智能与数学宣言》正在把陶哲轩的思路落实为行业规范。宣言明确了两条刚性规则:第一,AI可以参与研究,但署名、责任与最终学术判断必须由人类承担;第二,使用AI的研究者必须对成果负全部责任,不能把错误推给AI。截至目前,该宣言已获得超过3400名数学家签字和国际数学联盟的正式背书。这不是要阻止AI进入数学研究,而是划定边界:AI是工具,不是作者;是助手,不是决策者。8
不过,AI代码质量的问题不只是技术层面的。OpenClaw的工程师发出警告:随着越来越多开发者习惯使用AI工具,仅根据模糊的提示代码,很多人并未对生成结果进行仔细审核就直接发布。这类代码表面功能齐全,底层结构混乱,运行效率低,消耗的内存和带宽比传统代码更多。更棘手的是,如果初创公司大量依赖这种低质量代码,随着计算成本上升,可能面临巨大的财务压力。核心问题不是AI工具本身,而是开发者对它的过度依赖。11
当前文章无评论,是时候发表评论了