什么值得买App下载 App ›
连续签到专享现金活动

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?

数学圈最近被两个大新闻刷屏:先是OpenAI的AI模型用“推理链”技术终结了一个78年的几何悬案,随后SKT自研的A.X K2模型在IMO评测中拿到与金牌持平的分数。另一边,陶哲轩却在国际数学家大会上呼吁整个学界重新思考“证明消化”的价值。这两件事放在一起,折射出一个正在发生的变化:AI做数学的能力正在快速逼近人类顶尖水平,但学术界对“AI产出”到底算不算真正的数学研究,分歧正在加大。如果你关注AI在数学领域的进展,或者正在考虑把AI工具引入自己的学习和研究,这篇文章帮你把目前的情况梳理清楚。123
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
“First Proof”项目提供了一个更接近真实研究场景的测试维度:让AI在完全陌生、没有互联网先例可循的研究级数学题上现场发挥。第二批测试中,4个前沿AI系统在10道全新问题上,有7道获得了“合格”评分。更关键的是,每道题的计算成本只有数十到数百美元——这意味着AI用极低的代价,就能完成以往需要顶级数学家数月甚至数年才能攻克的难题。但合格不等于完美。测试同时暴露了AI的软肋:当问题需要真正原创性的思路突破时,模型普遍表现出“局部最优”倾向,难以像人类数学家那样跳出既有框架思考。56
数学圈对AI的担忧远不止能力本身。未来科学大奖得主袁新意用三个词概括了他最在意的问题:瘫痪评价机制、污染学术资源、压制年轻人成长。他指出,AI解题很强,但创造力很难被取代。“数学的对错是绝对的,但数学的好坏其实是主观的。一个猜想到底重不重要、是不是优美,这需要审美能力——AI目前做不到。”苏黎世研究员约翰内斯·施密特则担忧,AI在大规模“收割”数学问题的同时,却并不能像人类数学家那样开辟全新的研究方向。“历史上,许多重大数学发现的真正价值,并不在于解题本身,而在于解题过程中衍生出的新工具、新方法乃至全新的研究领域。”67
陶哲轩的回应代表了另一种思路:与其争论AI“行不行”,不如务实面对它已经能做的事,然后重构学术规则。他把数学研究拆解成五个阶段——生成、验证、阐释、评审、规范化——并指出AI在前两步已经远超人类,但后三步恰恰是人类数学家不可替代的价值所在。换句话说,AI擅长“生产”证明,但“消化”证明、让证明融入人类知识体系的工作,仍需要人来完成。这也是他提出“信任基础设施”概念的原因:强制披露AI使用、要求作者能独立阐释自己署名的任何成果、推动Lean等可验证工具的普及。38
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
数学研究之外,AI编程能力也成了另一个关键战场。腾讯云的工程师实测数据显示:AI生成代码的初始正确率约为60%~70%,而未经验证的AI代码引入的漏洞密度是人工代码的1.5倍。他们把AI比作“超级实习生”——产出快,但必须经过严格的Code Review和自动化验证。另一组对照实验则表明,采用“Pipeline+负面约束+重试闭环”的工作流后,代码首次编译通过率能从37%提升到82%,逻辑正确率从21%提升到71%。代价是平均耗时从8秒增加到26秒。工程师的评价是:“用确定性开销置换不确定性风险,这笔账算得过来。”910
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
把数学能力和编程能力放在同一个框架下看,一个清晰的结论浮现出来:AI在“执行”层面的能力已经接近甚至超越人类,但在“判断”“创造”“理解”这三个维度上仍有明显短板。对于把AI引入学习或研究的人,这意味着需要调整使用策略——把AI当作高效的“草稿生成器”和“计算加速器”,但保留人类在方向把控、质量审核和深度理解上的主导权。用陶哲轩的话说,数学家应该从“智力垄断者”转变为“智力策展人”,负责提出好问题、设计研究策略、解释AI产出并做出最终判断。39
不过,即便在AI工具的使用上,学术界也存在分歧。普通用户反馈中,豆包等国产AI在数学辅导场景的表现参差不齐:功能全面,但计算准确率不稳定,用户调侃“功能虽全答案别照抄”。有用户指出,复杂数学、逻辑推理、编程分析这类任务,真正的打开方式应该是让模型进入深度思考模式,而非默认的快速问答。这提示了一个关键点:AI输出的质量高度依赖使用方式——问对了问题、用对了模式,结果才能靠谱。对学习者而言,把AI当“学习搭子”可以,但前提是自己具备足够的判断力来验证AI的输出。1213

评论

评论区空态插画

当前文章无评论,是时候发表评论了