AI真能独立搞科研？别被标题骗了_科学技术

1. 李雅普诺夫函数构造问题，和费马大定理、庞加莱猜想、黎曼假设一样，属于“数学中最优美、也最折磨人的那类问题”。它们有一个共同特征：陈述极其简单，证明极其困难。 AI 在这类问题上的突破，正在重塑“数学研究”这件事本身的定义。传统的数学研究范式是：人类数学家依靠直觉和洞察力，提出猜想，然后给出严格证明。AI 正在插入一个新的中间层：用算力探索人类直觉无法触及的解空间，然后把找到的模式呈现给人类。然而这仅仅是2024年的 AI4Science 进展。到了2026年，AI 还在进一步侵蚀人类科学家的领域。人类，何去何从。 http://t.cn/AXJWJNBf

2. AI学会“科学交接班”，解决上下文难题——Anthropic智能（牛马）方法论

3. AI第一次科研竞赛中击败人类！Opus 4.7狂飙2930步创世界纪录

4. 华人女学霸AI杀疯！本科最难数赛12题全对，自主证明首次公开

5. 陶哲轩：千年数学规则被AI按下重启键

6. 大炸来了，IMO金牌！DeepSeek告诉你什么叫“证明”—— DeepSeekMath Heavy模式

7. 领跑！30B模型登顶OpenAI科研榜单，UniPat AI冲上开源科研最前线

8. 【数学家陶哲轩：AI是工具，不是终点】快速阅读：在最新论文《Mathematical methods and human thought in the age of AI》中，陶哲轩与合著者认为AI是人类工具的自然延伸，但这次延伸触及了创造过程本身，不只是传播和记录。数学提供了一个罕见的沙盘：证明可被形式化验证，因此AI辅助数学研究的得失比其他领域更清晰可见。核心问题不是AI能否做到，而是做到之后，人还剩下什么。---印刷机改变了知识的传播，但没有改变"思想"本身是什么。蒸汽机取代了体力，但没有进入推理过程。AI不一样——它开始自动化创造本身，而不只是创造物的搬运。陶哲轩和合著者把数学当作沙盘，原因很实在：数学有形式化验证，证明对不对可以机器判断，不像艺术或哲学那样只能争论。这让AI在数学中的影响比其他领域更早、更清晰地暴露出来。问题从这里开始变得有意思。AI生成的证明可以在形式上无懈可击，同时在认知上毫无启发。它满足了"这个命题是真的"，却没有回答"为什么"、"下一步往哪走"、"这跟其他数学有什么关系"。陶哲轩把这叫做"无气味的证明"——通过了所有验收标准，却让读这个证明的人一无所获。有观点认为，这个问题在数学之外早就存在。大多数人读历史书，不是为了学历史方法，而是消费结论。大多数程序员不写编译器，只是调用API。所谓"AI夺走了人的深度思考"，前提是人本来就在深度思考——这个前提是可疑的。但这个反驳本身也有漏洞：就算大多数人一直在外包思考，那些不外包的人仍然是知识生产的关键节点。如果连他们也开始外包，"思考"这件事由谁来做？形式化验证也没有解决根本问题。一个AI可能把费马大定理中的自然数理解成包含零，进而"证明"这个定理是假的——形式上完整，语义上错误。验证了符号串，没有验证意图。这不是技术缺陷，是认知层级的结构性断裂。有网友提到，软件工程师职位空缺目前处于两年高位，AI大规模替代就业的说法缺乏数据支撑。这个观察是准确的，但时间窗口可能太短——铁路刚修完的时候马车夫还没失业，那不代表他们不会失业。论文提出了一个"哥白尼视角"：人类智识不必再是宇宙中心，AI和人类智能可以作为同一本体论类别中的不同成员共存，各有比较优势。这个框架听起来优雅，但有网友指出，"以人为中心"的AI发展目标，跟"人道战争"一样，是良好愿望，不是可执行的约束。市场竞争的博弈结构不关心谁的愿望更高尚。论文本身承认这一点——他们把现状称为"浮士德交易"：我们已经用数据、认知流程和决策权换取了效率，这笔交易已经签完，现在讨论的是如何在已签的合同里找到体面的生存空间。数学证明能被机器大量生产之后，谁来决定哪些问题值得被证明？这个问题目前没有答案，甚至没有被认真追问。论文：arxiv.org/abs/2603.26524

9. 23岁门外汉携ChatGPT，攻克60年数学猜想！陶哲轩：我们全走偏了

10. 在数学的学习过程中，你见过最妙的数学证明是什么？

11. 第1个获得数学奥赛金牌的开源模型！DeepSeek新模型获网友盛赞：公开技术文件，了不起！

12. 困扰人类60年的数学猜想，AI花80分钟解出来了！ #大有学问 #红衣聊AI #数学 #科研

13. AI独立解决三十年数学问题的变体，陶哲轩分享自动化研究经验

14. 感谢中国汽车工程学会的邀请，第一次站在清华大学汽车系的讲堂。讲的不是汽车专业知识，而是《专业内容如何获得传播力&AI时代的新方法论》。刷校友卡可以直接进去。再一回到清华，既熟悉又陌生，还有点紧张的感觉。搞科研还是比当博主累多了，想想就怕，那拼的才是真正的脑力。#清华大学#

15. 陶哲轩震撼！数学家1975年埋下的「坑」，被AI和全球网友用48小时填平了

16. 【OpenAI研究员的预言：谁会最先被AI取代？】一位OpenAI研究员透露了一个令人意外的内部观点：在OpenAI，最先被AI取代的是研究员，其次是基础设施工程师，最后才是销售。听起来违反直觉，但细想确有道理。研究工作的本质是什么？想法生成加实验验证。大多数研究想法其实并不稀缺，真正的护城河在于那种极为罕见的直觉和品味，这也是为什么顶级研究者暂时还安全。但普通研究工作，AI已经能够胜任大部分。基础设施工程师为什么排第二？因为AI训练的代码库极其庞大、充满边界情况、bug频发，而且大量内容在训练数据中根本没见过。这种复杂度反而成了一道天然屏障。有知情者透露，你根本想象不到各大AI实验室的预训练和后训练基础设施有多混乱。所有实验室都知道训练配方，但基础设施质量才是决定模型效果和研究迭代速度的关键因素。销售为什么是最后的堡垒？因为它本质上是人类心理学的游戏：人性、信任、激励、情绪。这些是AI目前最难攻克的领域。人们依然想和人打交道，不想在层层自动菜单中绕圈子。销售不是模式匹配，而是关系构建。研究者产出想法，销售产出信任。有人说，最接近理解AI能力边界的人，也最先意识到自己正在训练自己的替代者。这话虽然残酷，却不无道理。还有一个有趣的观察：这个替代顺序其实对应着“模糊性”所在的位置。研究循环容易并行化，基础设施在边界情况和历史遗留问题上容易崩溃，而销售依赖的信任和责任归属，机器至今无法真正内化。所以，如果你正在思考职业方向，销售或许是个不错的选择。或者，当个水管工也行。x.com/Yuchenj_UW/status/2013310900883575132

17. DeepSeek推出DeepSeekMath‑V2 模型，主攻自验证数学推理能力

18. 当AI开始泡在数学项目里：DeepMind的48%突破意味着什么？

19. AI教父辛顿2026最新警告：AI现在是可爱的小老虎，但以后想杀你轻而易举 #ai #科技 #杰弗里辛顿 #ChatGPT #2026

20. 陶哲轩亲自曝光：AI破解数学难题，竟全是「抄」的？

21. AI又要颠覆数学？陶哲轩紧急发声：停止造神！

22. 深度求索DeepSeekMath-V2开源模型碾压人类， Putnam数学竞赛获118分接近满分！

23. DeepSeek强势回归，开源IMO金牌级数学模型

24. 30年数学难题，AI仅6小时告破！陶哲轩：ChatGPT们都失败了

25. AI写的论文，过了同行评审——科研这件事，正在被重新定义

26. DeepSeek开源IMO金牌模型，OpenAI和谷歌如何接招？

27. 菲尔兹奖得主用AI解出博士级数学题，然后他开始为博士生们发愁了

28. 有人不理解在 AI 时代，我建议的多 “运用 token ” 是什么意思。。。所以我找一个文章，是个转载，说的是一个顶尖数学家，是如何“运用 token ”，解决全球数学难题的。这个故事，充分讲解了人和 AI 的互动关系和双方的价值。而这个价值的量化指标，其实就是你消耗的 token 的多少和 ROI 。以下是转载，来自 x 的 @ doteyxxxxxxxxx世界顶级数学家陶哲轩在解决一个 Erdős（埃尔德什）的经典问题时，全流程都在用 AI 做助手——从证明草案，到简化证明，再到形式化验证。Erdős 是20世纪最高产的数学家之一，一辈子发表了1500多篇论文，提出了无数开放问题。数学圈有个著名的"埃尔德什数"——如果你和他合作过论文，你的埃尔德什数就是1；和他的合作者合作过，就是2，以此类推。爱因斯坦的埃尔德什数是2。后来有人专门做了一个网站，把他的很多未解决/已解决问题系统整理出来，这就是 Erdos Problems 网站。陶哲轩讲的是其中的第 367 号问题，属于数论里的一个具体问题，专业数学研究级别的问题。解决过程大概是这样的：一位数学家 Wouter van Doorn 先给出一个人类手写的反例证明草案，但里面有一个关键恒等式他没完全证明，只是说：“相信有人能帮我确认一下”。陶哲轩把这个恒等式扔给 Google 的 Gemini Deepthink 模式。大概十分钟后，Gemini 给出了一份完整证明，还顺带确认了整套论证是成立的。Gemini 的证明用到了 p-adic 等比较高级的代数数论工具，对这个具体问题来说有点杀鸡用牛刀。于是陶哲轩花了半小时，把 AI 的证明手工转化成更基础、更易懂的版本。两天后，另一位数学家 Boris Alexeev 用一个叫 Aristotle 的工具（基于 AI + Lean）完成了全套形式化证明，还特意手动检查最终结论，以防 AI 在形式化过程中存在编造。陶哲轩觉得还没完，又用 Deep Research （同时用了 ChatGPT 和 Gemini）做了一轮文献搜索，看这个问题有没有前人类似工作。结果找到了若干关于连续幂数的相关论文，但没有直接解决第 367 号问题。整个流程：人类提出猜想 → AI暴力证明 → 人类简化优化 → AI辅助形式化验证。都在说 Gemini 3 已经到了博士生水平，看来所言非虚，这些事情真的需要数学博士级别才能做的出来，但另一方面，真正的数学家也并没有被 AI 代替：是人类决定哪个问题值得解决，是人类判断AI的p-adic方法太重了需要简化，是人类手工完成最终的形式化表述以验证 AI 的结果是否准确。AI 做的是那些需要大量计算、符号推演、但方向已经明确的体力活。在 AI 时代，问对问题、甄别结果，比以前更重要了。

29. 谷歌AI连发6篇数学论文！Gemini攻入博士级科研，91.9%刷爆SOTA

30. 这个世界最有趣的事情，往往发生在看似不可能的交汇点上。想象一下：一位57岁的顶尖数学家，拥有终身教职，在学术界地位显赫，却选择辞职加入一家AI初创公司。而他的老板，竟然是自己24岁的华人学生。这不是电影情节，而是正在发生的真实故事。小野肯，被誉为"最懂拉马努金的当代数论学者"，在数学界深耕多年。转折点出现在2025年春天，当他为AI模型设计高难度数学难题时，震惊地发现AI几小时内解决了他需要数天甚至数周才能完成的复杂问题。这一刻，他意识到AI对数学研究的颠覆性冲击。他的学生洪乐潼，24岁，MIT数学与物理双学位，摩根奖得主，却放弃了普林斯顿、哈佛等名校的博士Offer，选择创业。她创立的Axiom公司专注开发"像数学家一样思考"的AI模型，目标客户是对冲基金。投资人给了她6400万美元种子轮，估值3亿美元——零产品、零用户，只因为她的深度数学理解能力。这个故事告诉我们几个深刻的道理：第一，AI时代，深度比广度更重要。洪乐潼的成功不在于名校履历，而在于对数学的深度理解。小野肯的价值也不在于被AI替代，而在于成为AI的"导航员"——通过设计高难度问题，判断AI是否真正理解数学逻辑。第二，真正的智慧是知道自己不知道什么。小野肯面对AI的强大能力，没有固守学术地位，而是选择拥抱变化。第三，财富和影响力来自于解决真实问题。Axiom专注服务对冲基金，解决复杂数学问题，这种精准定位比泛泛的AI应用更有价值。在这个AI快速迭代的时代，最重要的不是担心被替代，而是思考如何重新定义自己的角色。就像小野肯说的，他现在的工作是"制作航海图"——帮助AI发现新大陆，同时知道自己在哪儿。这或许就是"在变化中寻找不变"：数学的深度思考能力永远不会过时，只是表达形式在进化。#科技先锋官##ai创造营##微博兴趣创作计划#

31. AI不是噱头，已批量交付！创材深造半年推出13款金属3D打印材料

32. DeepSeek-Math-V2数学模型开源，成绩碾压OpenAI和谷歌同类模型

33. OpenAI推出Prism工具，助力科学家加速AI驱动的科研发现1月28日，OpenAI宣布推出全新免费工具“Prism”，这是一个专为科学家设计的AI原生协作工作空间，旨在大幅简化科研论文撰写、协作与修订流程，并进一步推动AI在科学发现中的应用。Prism基于OpenAI最新模型GPT-5.2构建，后者被OpenAI称为“在数学和科学推理方面最先进的模型”。该工具采用LaTeX原生格式——这是科研界撰写包含复杂公式论文的标准系统——将传统上分散在多个软件中的工作流整合到一个云端平台中，包括文本编辑、公式处理、参考文献管理、图表插入与AI辅助修订等功能。Prism的核心亮点在于其“全文档上下文”能力：AI能够同时理解论文的周围文本、方程式、引文、图表及整体结构，从而实现更精准的草稿生成、修改建议、公式重构与跨元素推理。科学家可直接在界面中与AI对话，让其帮助起草段落、优化论证逻辑或检查一致性，而无需频繁切换工具或手动复制粘贴。OpenAI表示，此举是其“OpenAI for Science”倡议的重要一步。该倡议旨在将前沿AI模型与真实科研环境深度结合，目标是将原本可能耗费数十年的人类发现过程压缩至数年。OpenAI高管强调：“2025年，AI彻底改变了软件开发；2026年，我们预计科学领域将迎来类似变革。”Prism对所有拥有ChatGPT个人账户的用户免费开放，支持无限协作者与项目，无需额外订阅。这一低门槛设计有望吸引全球广大科研人员尝试。OpenAI同时指出，虽然当前AI在数学证明、生物实验设计、材料模拟等领域已展现出“人类专家水平”甚至超出的表现，但仍建议研究者将其作为协作助手，而非完全自动化研究——人类判断在问题定义、假设验证与最终洞见提炼上依然不可或缺。近年来，OpenAI持续加大在科学领域的投入，包括与美国能源部国家实验室合作、发布数学与生物学前沿成果等。Prism的推出被视为公司从通用聊天工具向专业科研基础设施转型的标志性产品，也反映出AI巨头之间在“AI for Science”赛道的激烈竞争——谷歌DeepMind等公司也在同期推进类似的多智能体“AI co-scientist”系统。目前，Prism已通过网页应用形式上线，用户可直接登录ChatGPT账户访问。OpenAI表示，将根据科研社区反馈持续迭代该工具，并计划未来扩展至更多学科与更深层次的发现辅助功能。

34. 刚刚，MOSS孙天祥创业，直播AI4AI大规模科研

35. AI搞科研，算得准不如想法多。 #大咖观察 #红衣聊AI #科研 #Meta #创新创业

36. GPT-5.5 Instant 正式发布！免费可用，实测到底强多少？OpenAI 五大升级一次看懂！ | 零度解说

37. 对话港大黄超、任旭滨：龙虾热潮、nanobot、CLI与AI开源方法论｜甲子光年

38. AI Builders Digest — 2026年4月11日🎙️ 播客Unsupervised Learning · Ep 84OpenAI 首席科学家 Jakub Pachocki 对谈：持续学习、RL 在编程之外的扩展、以及对齐方向核心洞察：Jakub Pachocki 接受 Redpoint 合伙人 Jacob Efron 采访，坦率分享了 OpenAI 内部研究进展与思路。他透露，Codex 已经成了 OpenAI 工程师的"主力编程工具"，大多数代码工作已由 AI 完成；数学研究能力也在快速逼近 IMO 金牌水平，并正向更高难度的科研数学推进。Pachocki 还透露，GPT-5.2 Pro 已经产出了令他本人惊讶的小型研究 idea，“虽然还很初步，但这是重要的信号”。在 RL 扩展方向上，他认为 RL 的核心优势在于可验证奖励（比如单元测试通过与否），这也是编程和数学率先突破的原因。但他相信 RL 的范式会扩展到医学、法律等更难评估的领域——关键在于让模型学会判断阶段性进展，而不是只等最终结果。关于对齐研究，Pachocki 展示了一个关键洞察：思维链（Chain of Thought）不应被监督，这是 O1 发布时隐藏 CoT 的核心原因——如果把 CoT 也纳入训练目标，模型会学会"表演"安全而非真正安全。他将这个方法与机械可解释性类比，认为 CoT 天然是英文的、可读的，是理解模型行为的强大工具。金句：“We are at a transition point where the short term immediate quality of the model is about to be a quite determining factor for the pace of our research progress.”模型正从"研究对象"变为真正的"研究伙伴"——这个转变比大多数人想象的更快。🔗 网页链接🐦 X / TwitterAndrej Karpathy · 前 OpenAI 创始成员、特斯拉前 AI 总监Karpathy 指出当前存在一种"AI 认知鸿沟"：大多数人用的是去年免费版的 ChatGPT，这让他们对 AI 能力的判断严重落后。他将这种认知差异命名为"AI Psychosis"——尤其在编程、数学、研究领域，Claude Code 和 OpenAI Codex 能在数小时到数天内完成过去需要数周的工作，其能力提升幅度与普通用户的感知完全脱节。说 AI 很强和说 AI 很弱的人，描述的是完全不同的东西。网页链接Sam Altman · OpenAI CEOAltman 罕见发推力挺 Codex 产品线，并透露 OpenAI 正在推出 $100/月的 ChatGPT Pro 套餐——回应了市场强烈的付费需求。网页链接Aaron Levie · Box CEOLevie 最核心的观点：软件自动化的需求被严重低估——不是说手机上多一个 App，而是那些每天替企业跑流程、整合数据、消除重复劳动的 AI Agents，这才是最大的一块市场。关于提示词，他认为"清晰表达指令"本身就是高杠杆技能，"prompts"本质上就是给 Agent 完整的上下文，没有它就没有好的执行。网页链接网页链接Guillermo Rauch · Vercel CEORauch 提出了一个前瞻判断：Agentic Infrastructure 是云计算的下一个形态。他将 Pages → Agents 类比为当年从静态网站到动态 Web 应用的转变——长时运行计算、沙盒隔离和 Token 级传输网络将成为基础设施层。同时他贴出实时数据：每秒执行一次 npx shadcn init，展示了 AI 驱动软件创建的速度量级。网页链接#科技先锋官##How I AI#

39. 半夜被AI「吓醒」！57岁导师投奔24岁华人女学霸，打造「AI数学家」

40. OpenAI全面关停其AI视频生成平台Sora，从昙花一现到退场，Sora有哪些经验和问题值得关注？

41. 这下Altman急了，OpenAI紧急启动「红色警报」

42. 陶哲轩关于 AI + 科研、AI 时代教育的核心观点梳理以下内容严格基于本次专访中陶哲轩本人的表述，分为AI + 科研（AI×Science）、AI 时代的科研人才培养与高等教育两大核心板块，提炼核心观点如下：一、对 AI + 科研（AI×Science）的核心看法1. 创办 SAIR Foundation 的核心动因与定位底层判断：AI 将从根本上改变科研模式，当前亟需厘清「科研场景中如何合理、高效运用 AI」的核心问题，树立可复制的最佳实践。两大核心目标：用科学的方法打造 AI，借助 AI 重塑基础科学研究。组织定位：弥补传统科研体系的不足 —— 传统学术界与产业界各司其职的模式运转速度过慢，学术界缺乏灵活的资源与试错空间，产业界很少投入长期基础研究；SAIR 作为非营利联盟，要搭建学术与产业的桥梁，推动更灵活、更大胆的创新尝试，同时以跨学科、全球化的协作，解决科研体系的结构性瓶颈。2. 通用大模型在科研场景的核心短板陶哲轩明确指出，当前主流通用大模型无法直接满足科研的核心需求，核心短板集中在 4 个方面：幻觉问题突出，可信度不足：科研需要可验证、可信任的系统，而通用模型的幻觉问题会严重干扰科研工作。可解释性与可追溯性缺失：模型无法说明结论是来自训练数据中的既有文献，还是新的创新组合，也无法规范地将结果与现有学术知识体系关联；而科学研究的核心要求之一，是把新结果纳入已有知识体系，实现可追溯、规范引用，支撑后续研究推进。无法表达置信度：科研中研究者会明确对结论的信心层级（如 “非常有把握”“仅为初步猜想”），但 AI 几乎总是以 100% 确定的语气输出，这一缺陷大幅降低了其在科研中的实用性。效率与适配性严重不足：通用大模型依赖海量数据与算力，学习效率远低于人类（人类看十几个例子就能抓住核心，AI 往往需要数百万样本）；同时绝大多数科研任务是高度专门化的，并不需要 “万能” 的通用大模型，更需要轻量化、定制化、贴合科研工作流的工具，通用模型与科研的核心需求存在明显错位。3. AI + 科研的正确发展路径拒绝盲目堆规模，核心是完善 AI 的科学方法论：不认同行业一味追求 “更大模型、更多数据、更强算力” 的 Scaling 路线，认为该模式长期会遭遇数据、能源、算力的瓶颈；AI + 科研的核心是 “Scaling the Science of AI”，即提升 AI 的可信度、可解释性，优化人机协作模式，建立适配科研场景的底层原则与方法论。打造科研垂直 AI，配套严格的验证框架：并非要完全替代现有大模型，而是将其嵌入更严格的科研验证、校验体系中，通过强制验证机制，让模型输出系统性关联学术文献体系，打造专门为科研设计的 AI 工具。以高质量数据为核心根基：AI 在科研领域的进展，高度依赖高质量、结构化的专业数据；低质量的合成数据不仅无法解决问题，反而会污染原有数据集，数据质量的重要性不亚于模型本身。以数学 / 基础科学为 AI 的安全试验场：相比金融、医疗等高风险、低容错领域，数学和基础科学是打磨可靠 AI 的理想场景 ——AI 算错一道数学题几乎没有损失，且数学输出可被形式化验证，能先在这个安全环境中解决 AI 的可靠性问题，再将成熟的方法论迁移到其他高风险应用领域。4. AI 对科研生态与格局的深层影响核心价值是科研普惠化：AI 大幅降低了科研门槛，让非传统科研背景、非顶尖机构的人，甚至青少年都有机会参与前沿科研；未来能为科学做贡献的能力类型会变得更加丰富，不再局限于传统的学术精英，有望实现 “未来出现 10000 个陶哲轩” 的愿景。彻底重构科研协作模式：打破了 “孤独天才” 的传统科研叙事，未来科研将以更大规模、更多元的团队协作展开；AI 是打破学科壁垒的核心催化剂，推动数学、物理、生命科学、社会科学等多学科的交叉互动。同时，数学研究将向现代软件工程学习，引入版本控制、单元测试、质量校验等成熟体系，支撑几十上百人的大规模远程协作。推动科研分工精细化：传统科研中，研究者需要包揽解题、计算、写论文、申请经费、学术报告等全流程工作；未来科研会出现更细致的分工，有人负责长期愿景与方向判断，有人擅长人机协作落地，有人负责团队协调与学术传播，科研的参与方式更加多元。5. 个人使用 AI 的实践与明确边界陶哲轩分享了自己日常科研中使用 AI 的真实方式，核心是「把 AI 当作辅助工具，而非替代核心思考的主体」：高频使用场景：文献检索、论文内容总结、论文写作辅助（自动补全、草稿起草）、简单数据可视化、繁琐的数学计算、海量文献筛选等偏事务性、辅助性的工作。明确的使用边界：在深度思考、攻克核心研究难题时，基本不使用 AI，依然依赖纸和笔；AI 目前无法复现人类科研中的 “顿悟” 过程，无法像人一样从多次失败中逐步学习、调整研究方向，只能在研究者已有清晰思路后，提供落地层面的支持。核心使用原则：没有统一的 “标准工作流”，核心是匹配个人研究需求 —— 把自己最享受、最核心的数学深度思考环节留给自己，把不擅长、不享受的事务性工作交给 AI。二、对 AI 时代科研人才培养与高等教育的核心看法1. 对青年研究者成长的核心判断警惕 AI 拆掉年轻人的成长阶梯：AI 已经能完成很多研究生、初级研究者的基础训练内容（标准解题、基础实验环节、文献整理等），但这些看似重复、枯燥的基础工作，是研究者核心能力成长的关键；不能因为 AI 效率更高，就把这些训练完全交给 AI，必须为年轻研究者保留有价值的、完整的基础训练过程。工具使用与基础训练必须平衡：以计算器的普及为类比 —— 直到今天，教育依然会先教会孩子手算加减乘除，再让他们使用计算器；AI 也同理，必须先让年轻人亲手完成足够的基础训练、积累充足的科研经验后，再逐步引入自动化工具，绝对不能本末倒置。重视导师制与榜样的价值：需要顶尖科学家与青年研究者形成紧密的师徒制结构，不仅要传递科研方法，更要分享面对科研不确定性、挫折与失败的经验，引导年轻人形成负责任的 AI 使用习惯，在支持创新的同时，不牺牲核心科研能力的成长。2. AI 时代高等教育的变革方向核心原则：不能禁止新技术，要教会学生正确使用：面对 AI 的冲击，高校的核心任务不是简单禁止学生使用 AI，而是教会学生如何负责任、有边界地使用 AI，让学生把 AI 当作探索研究的起点，而非替代自身思考的终点。必须破解当前的极端化困境：当前学生群体出现两个极端 —— 要么完全依赖 AI，成绩好看但并未真正掌握知识、锻炼核心能力；要么完全拒绝使用 AI，基础扎实但效率和成果产出落后于他人。高校亟需找到二者的平衡点，重新设计培养体系，避免 AI 消解高等教育的核心价值。培养模式的核心转型方向：从孤立的知识模块教学，转向更整体的、通用问题解决能力的培养，加强不同课程间的整合；从单人应试导向，更多转向小组项目、协作式学习，让培养模式更贴近真实科研与产业的形态；吸收产业界的问题导向思维，教会学生用 AI 解决真实世界的问题，而非只掌握割裂的理论知识。灵活适配 AI 的发展节奏：跳出传统学期制度的限制，通过暑期学校、密集学术项目、研讨班等形式，更快迭代课程内容，让培养体系跟上 AI 技术的发展速度。3. AI 时代未来研究者的核心能力团队协作与跨背景沟通能力：未来科研是大规模多元团队协作，跨学科、跨领域的沟通能力，以及团队协作的软技能，会变得和专业能力同等重要。科研 “品味” 与方向判断力：能够形成整体判断，识别哪些研究方向真正有价值、值得投入，再借助 AI 和合作者落地执行，这种宏观判断力的重要性会远超单纯的解题能力。批判性思维与提出好问题的能力：清晰定义问题、明确核心诉求，是用好 AI 的核心前提，所谓的 “提示词工程” 本质上就是批判性思维的体现。开放的跨学科学习能力：愿意保持开放心态，学习不同学科的 “语言”，能串联不同领域的想法、看到整体图景，而非只局限在自己的狭窄细分领域。对工具的克制与合理使用能力：清晰知道什么时候该用 AI、什么时候该主动克制，不被工具替代自身的深度思考。4. 关于 AGI 时代数学学习的终极思考即便 AGI 超越人类，数学依然有其价值：以交通工具为类比 —— 汽车、飞机的出行效率远超人类步行，但人类依然会走路，不是因为必须，而是因为热爱、因为对身心有益；数学和科学也一样，即便未来 AGI 的数学能力全面超过人类，人们依然会出于兴趣、好奇心和自我满足，亲自去做数学研究，它会变成一种手艺、一种纯粹的智力爱好。人类的能力依然有不可替代性：人类的学习和推理方式与 AI 完全不同，AI 依赖海量数据和算力，而人类能在极少数据、极低计算量的情况下做出有效判断，这种能力在未来依然有不可替代的价值。数学学习的角色会发生转变：未来的科研模式，很可能是人类把握少数关键研究方向，AI 填充海量的细节与执行工作；数学学习的核心目的，不再只是培养解题能力，更多是培养严谨的逻辑、清晰的深度思考能力，以及把握科研方向的核心判断力，它的角色和目的会与当下不同，但依然有不可替代的意义。#陶哲轩##AI##AI4S#

43. AI需要能自我改进！AI圈越来越多人认为“当前AI训练方法无法突破”

44. OpenAI翻车，会把全球第一的宝座拱手让人吗？ #大咖观察 #红衣聊AI #OpenAI #人工智能

45. #全新Gemini一夜血洗编程#谷歌DeepMind推出Gemini 3 Deep Think重磅升级，清华姚顺宇加盟后首秀即引爆科技圈。模型横扫多领域SOTA，编程成绩达到3455 Elo，跻身Codeforces全球前十，全球仅7人能战胜它，较一年前顶尖AI提升超700分。它不只擅长代码，更能将草图直接渲染为可3D打印的高保真模型，在科研与工程场景展现极强实用价值。这标志着AI从代码辅助，升级为具备顶尖逻辑推理与工程落地能力的“智能伙伴”。AI正快速逼近人类智力竞赛天花板，未来编程与科研生态将被重塑，人机协同成为主流，行业竞争进入全新维度。#how i ai# 全新gemini一夜血洗编程川北小哥的微博视频

46. 为什么 OpenAI 会出现高管离职潮？这会对 AI 发展和人才流动带来哪些影响？

47. AIME满分之后，该如何验证LLM在数学竞赛上的能力？

48. DeepSeek-Math-V2深度拆解：开源IMO金牌模型的自验证秘诀

49. 深势科技携手阿里云 AgentRun，加速科研 AI Agent 全速运行

50. 知名AI怀疑者和信仰者的碰撞，OpenAI可能会暴雷#Ai #Dario #Anthropic #OpenAI #AI泡沫

51. #DeepSeek推出新模型# DeepSeek发布新模型DeepSeekMath-V2：迈向自我可验证的数学推理。该模型是基于 DeepSeek-V3.2-Exp-Base 的数学推理模型。在 2025 年国际数学奥林匹克竞赛（IMO 2025）与 2024 年中国数学奥林匹克竞赛（CMO 2024）中均达到金牌水准，并在 2024 年普特南数学竞赛（Putnam 2024）中取得 118/120（近乎满分）的优异成绩。#科技先锋官#

52. 假设AI蒸馏出了「李白的所有创作规律」，然后生成了十万首新诗。那么真正的李白，底牌是什么？

53. #OpenAI宣布将关停Sora##OpenAI每天在AI短视频烧近1500万美元# 推出仅半年，Sora就要被OpenAI亲手“下架”了。 3月24日，OpenAI宣布计划关停Sora视频生成服务，简化AI产品线。从高调上线到如今熄火，这距离独立App推出才过去约六个月。CEO阿尔特曼确认，不仅消费者版本，开发者版本和ChatGPT里的视频功能也一并停掉。烧钱太狠是主因，据《福布斯》报道，Sora每天烧掉近1500万美元，一年下来高达54亿美元，运营成本远超收入。外媒分析，OpenAI正忙于证明7300亿美元估值的合理性，并为IPO铺路。关掉Sora，正是上市前聚焦商业与编程主业的一步调整。当风口退去，连明星项目也扛不住算力账单，AI视频赛道，终究要面对盈利的现实问题了。科技饭仙人的微博视频

54. GPT5.2发布：屠榜？不，是OpenAI在补课

55. 36年卷积猜想被解决，华人唯一作者，AI或受益

56. //@韩新一:3、可验证领域的强化学习：数学和代码成为突破口 RLHF依赖人类反馈，成本高且有主观性。但在数学和编程领域，存在客观的验证器：证明可以被证明检查器验证，代码可以被编译器和测试用例检验。这让模型可以大规模探索解题空间，正确时获得奖励。这一方向的突破直接推动了数学能力的飞跃。

57. 78ms的VLA推理！浪潮信息开源自驾加速计算框架，大幅降低推理时延

58. OpenAI发布权威AI科研基准，扯下AI遮羞布：奥赛金牌≠一流科学家！

59. #DeepSeek推出新模型#：DeepSeekMath-V2是DeepSeek推出的数学推理模型，基于DeepSeek-V3.2-Exp-Base构建，其核心在于可自我验证的数学推理训练框架。该框架通过LLM验证器自动审查生成的数学证明，并利用高难度样本持续优化模型性能。这种创新方法使模型在复杂数学问题上表现出色，能够提供更准确和可靠的推理结果。DeepSeekMath-V2在国际数学竞赛中展现了强大实力，在2025年国际数学奥林匹克竞赛（IMO 2025）和2024年中国数学奥林匹克竞赛（CMO 2024）中均达到金牌水平，并在2024年普特南数学竞赛（Putnam 2024）中获得118/120的高分。团队表示，这一成果验证了自验证推理路径的可行性，为构建可靠的数学智能系统提供了新方向。目前，模型代码与权重已开源，发布于Hugging Face及GitHub平台#中国开源AI模型市场首超美国#。

60. AlphaZero & MuZero 通向通用决从已知规则的巅峰到未知环境的跨越和AlphaFold：解码生命的“原子语言”

61. 全球首个科研智能体系统发布助力科研人才全流程培养

62. AI如何赋能期刊论文仿写逻辑、技巧与高水平科研项目申报

63. 【陶哲轩谈AI：廉价胜利还是真正的研究伙伴？】快速阅读：陶哲轩在最新访谈中给AI数学能力泼了盆冷水，称那些被吹上天的“AI攻克Erdős猜想”多是专家半天能搞定的活。但他也承认，到2026年AI有望成为可信赖的初级合著者。问题是：AI能执行已知技术，却留不下人类数学家那种深刻的思维痕迹。---陶哲轩对AI的态度可以用三个字概括：有用，但。那些让人激动的“AI解决Erdős问题”的新闻，在他看来大多是cheap wins。一千多个Erdős问题里挑出来的长尾题目，用的是标准技术，给个专家半天时间也能搞定。这话听起来像是在泼冷水，但你换个角度想：三年前ChatGPT还在数strawberry有几个r这种问题上翻车，现在已经能做到“专家半天能搞定”的水平了。目标确实在移动。陶哲轩预测AI到2026年能达到“可信赖的初级合著者”水平。这个判断来自2023年，当时推理模型还没开发出来，结果进度基本符合预期。有网友指出一个有趣的对比：有人的博士论文题目，陶哲轩几小时就给解了。所以他眼中的“廉价胜利”，可能已经超过很多职业数学家一生中最难的研究。真正让陶哲轩在意的不是AI能不能算得对，而是它算完之后留下了什么。人类数学家证明一个定理，过程中会产生概念性的洞见，那些弯路、直觉、失败的尝试本身就是知识。AI的证明缺乏这种“思维痕迹”。它可以用暴力计算扫荡一大片问题空间，但不会告诉你为什么走这条路而不是那条。有观点认为这就像字典比你认识的单词多，但字典不会写诗。也有人反驳：这分明是在移动门柱，几年前AI连完整句子都说不利索，现在开始嫌人家证明不够优雅了。陶哲轩最近几次访谈里反复提到一件事：他担心的不仅是AI能不能做到，而是如果AI真的能越来越多地把人从循环中移除，对人类的智识生活意味着什么。这是一个更大的问题，他没有给出答案。他呼吁AI系统需要更好的不确定性信号——也就是说，让AI知道自己不知道什么，而不是一本正经地胡说八道。他更倾向于人机交互式协作，而非那种按一个按钮就自动出结果的流程。数学会不会在今年年底被“解决”？有人赌会。但至少在陶哲轩看来，AI改变的是数学的实践方式，不是一夜之间取代数学家。它把数学从手工作坊式的精雕细琢，推向大规模的问题探索。至于这算进步还是损失，可能取决于你觉得数学到底是什么。---简评：陶哲轩的真正恐惧藏在一个词里：“把人从循环中移除”。这不是在讨论AI能不能证明定理，而是在追问：如果证明定理不再需要人类的挣扎、顿悟和失败，那“做数学”这件事对人还意味着什么？字典认识所有单词却不会写诗，但如果有一天字典开始写诗，我们会说那不叫诗——因为诗的定义就是“人类写的”。他要求AI保留“不确定性信号”，本质上是在请求：请给人类留一个参与的借口。这听起来很傲慢，但也很悲壮——我们正在发明一种东西，它最大的成功标志就是让发明者变得多余。---www.reddit.com/r/singularity/comments/1rf41gl/math_legend_terence_tao_on_the_promise_and_limits

64. 260428-如今人工智能擅长数学，会带来什么变化？——OpenAI播客第17期

65. openAI播客

66. OpenAI GPT 5.5发布

67. OpenAI首席科学家表示，人工智能正逐渐接近人类研究实习生的水平。

68. OpenAI首席科学家首度公开AGI时间表

69. GPT-5 即将发布！OpenAI 数学奥赛夺金，通用推理迎来里程碑

70. AI协同数学家

71. 人工智能攻克数学研究

72. DeepMind Aletheia 开启 AI 探索数学真理的新纪元

73. 陶哲轩谈人工智能与数学的边界及研究范式革新 - 哔哩哔哩

74. 谷歌最新论文宣告AI成独立科研主体

75. AI攻克数学新高峰

76. 人工智能（AI）将主导科学领域的发现

77. 【Nature】AI辅助科研

78. 从文献理解到假设生成，AI 正在逼近科研上游

79. Nat Med｜AI共同科学家时代来临

80. 智能文献挖掘

81. 2026年学术写作中AI工具的辅助边界与合理用法

82. 我们如何知道人工智能是否足够聪明到可以从事科学研究？

83. Nature

84. AI Agent

85. AI 算不算一种研究方法？

86. 开放科学工具革命

87. 【观点洞察】“塑造AI 时代数学的未来”-菲尔兹奖得主 Akshay·Venkatesh最新论述(Shaping the Future of Mathematics in the)

88. 陶哲轩

89. 千年数学规则被AI重启

90. 尽管AI展现出令人惊讶的进步，但其生成的证明往往伴随着隐蔽的错误和虚假逻辑**，这要求数学家在未来扮演更具洞察力的“理解者”角色。该研究不仅揭示了科技巨头与公众之间存在的技术鸿沟，还强调了数学界在制度和心理上尚未为人工智能驱动的范式转移做好充分准备。总体而言，文本旨在通过实验数据来审视数学研究的自动化趋势，并思考人类在超级人工智能时代保持职业价值的途径。

91. 当AI遇见数学——智能证明助手是颠覆者还是好帮手？

92. AI人工智能时代的数学家们——塔玛拉・G・科尔达（Tamara G. Kolda）

93. AI 不只是会做数学题了，它正在变成数学家的“研究搭子”

94. 菲尔兹圆桌论坛

95. 11位顶尖数学家发了篇没结果的论文，陶哲轩推荐都关注一下

96. 【硬核数学+AI】AI不仅让程序员下岗，也让数学家下课？如果AI能帮忙找到证明思路，数学家的角色会变吗？科研评价体系会不会被重写？

97. 【故事】门外汉、剑桥学生与大模型

98. 数学界地震

99. GPT-5.2 独立证明 45 年数学猜想？陶哲轩的冷静提醒比 headline 更重要！

100. AI 科学突破多点爆发多学科研究范式迎来革命性重构

101. 新质观察｜“AI+”驱动科研新范式

102. AI对中国科研的助力，会不会加速诺贝尔奖突破

103. AI学术前沿 | 2026年1月31日

104. 新里程碑！AI利用牛顿思维可指导实验设计，科研效率将再提升

105. 中国智能科研再突破

106. AI从“竞赛解题”跃迁至“自主科研创新”新趋势分析

107. 伊利诺伊大学香槟分校团队突破大模型推理瓶颈

108. AI解开数学难题，不是终点，是起点——GPT-5.4 Pro解开了Erdős问题

109. AI六小时破解数学界30年难题菲尔兹奖得主：人类该反思了

110. AI5天搞定菲尔兹难题碾压人类6个月工作量数学界迎新变局

111. AI辅助科研：写、算、绘、申

112. 当AI攻克数学难题：OpenAI研究员深度解析科研新范式 | OpenAI

113. 48小时破50年僵局！陶哲轩携AI拆解Erdős#1026，数学界要变天？

114. 3晚攻克世界数学难题，黑洞方程秒解！OpenAI：AI正让科学加速100年

115. 【4月25-26日AI辅助科研】GPT5/Gemini3辅助课题设计撰写，论文写作及科研绘图高级培训班

116. 当人工智能擅长数学后会发生什么？— OpenAI 播客第 17 期

117. ChatGPT 证明 Erdős 猜想：一次“AI 数学”狂欢背后的冷思考

118. HarmonicMath 宣称 Aristotle AI 成功证明 Paul Erdős 第 124 号数学问题的 “简化版本”

119. 【AI辅助科研】GPT5/Gemini3辅助国自然设计撰写，论文写作及科研绘图高级培训班

120. 数学正在经历一场AI革命

121. 数学家惊了！ChatGPT首次原创独立证明数学假设

122. 学术锦囊｜AI当“队友”，科研不“越界”！

123. 万万没想到！AI在数学竞赛差点考出满分，终于能严谨推导数学定理

124. 【OpenAI】既然AI擅长数学了，现在会发生什么？ — OpenAI播客第17集 | OpenAI播客 • 中英

125. AI颠覆数学界！首次攻克人类百年未解证明，陶哲轩惊呼：新范式来

126. OpenAI GPT-5模型加速科学研究，助力数学与生物学突破

127. 笔记：使用场景与AI对应

128. 数学家也要被AI取代了吗？

129. 哪些AI可以用于科研？

130. AI攻入博士科研，教育公平引争议？

131. 清华+滨湖！AI制药突破登上全球科研顶刊

132. LongCat-Flash-Prover：AI 攻克数学定理证明，不仅要“算得对”，更要“证得严”

133. Gemini挑战700道Erdős猜想：大模型自主解决数学难题的真实成绩单

134. Erdős Problem #1196

135. 谷歌AI数学家Aletheia！暴力破解博士级难题谷歌DeepMind发布AI数学家Aletheia，基于Gemini Deep Think，从“奥数金牌”进化至“博士级科研”。它不仅独立撰写几何论文，更攻克Erdős猜想及困扰十年的CS难题。具备自我纠错与承认无知的能力，AI正从做题家蜕变为人类科研的“倍增器”。

136. AI文献与科研辅助服务系统：重塑科研全流程技术体验

137. 美团龙猫发布开源数学定理证明模型LongCat-Flash-Prover 推动AI数学推理技术发展

138. 大模型解数学题太保守了，这个AI工具想改变数学家做题的方式

139. 656行代码5小时搞定，Axiom AI自主完成两项Erdős猜想形式化证明

140. 【信息素养】让AI成为你的学术外脑— AI工具辅助科研

141. "AI+科研":斯坦福大学《2025年AI指数报告》推理成本大幅下降280倍

142. 【Frontier】OpenAI科学家谈AI对数学的改变和冲击 | Stanford 数学的未来研讨会

143. AI辅助学术科研与论文写作的8个神级场景，直接让你的科研效率翻倍

144. 日常培训 | AI辅助科研系列培训

145. 燕园数学 | 文再文在数学形式化与自动定理证明方向的探索工作

146. 美团又开源！专攻数学定理证明，能模拟人类解题，刷新多项开源SOTA

147. 开通有道AI科研辅助平台试用通知

148. AlphaProof在IMO达到银牌水平：Deepmind Nature“用强化学习 + 可验证数学系统（Lean），训练AI做数学推理”

149. AI 医疗革命：2026 年医疗健康领域的突破性进展

150. 还在为找 AI 学习资源发愁？这 10 个热门仓库，覆盖 LLM、RAG、智能体全领域

151. 最新国际报告：开放数据已深度融入科研实践 AI正重塑科研流程

152. 如何看待AI的署名权争议

AI真能独立搞科研？别被标题骗了

精选参考来源