数学

但它至少说明了一点：研究级数学问题，已经不再天然位于AI能力之外。

数学家们组织了一个面向研究级数学问题的基准测试，一共设置了100道题。

第五部分：数学家的价值和品味这里我想讲一个我认为非常重要的观点：数学家的价值不只是证明定理。

案例二（个人）：生物数学问题

案例二（个人）：生物数学问题第二个场景，是我自己最近做的一个生物数学问题。

第二个场景，是我自己最近做的一个生物数学问题。

这里最有意思的地方，不只是AI给出了一个可能的更强上界，而是它帮助我们把原来的问题翻译成了另一个数学工具语言：从生物数学问题，到O(r\logr)的过程中翻译成的图的某种顶点染色方法，进一步在线性过程转化为图的某种边list染色方法。

没有扎实数学基础的人，仍然很难提出真正好的数学问题，也更难判断AI给出的结果是否有价值。

今天我们讨论Lean，其实也是这一条“数学证明能否被机器严格验证”路线在新时代的延续。

第一，AI可以帮助我们生成、搜索、整理和检查，但不能替代数学证明的最终责任。

这件事未来很可能会影响数学论文的审稿方式。

下面我就介绍几个LLM介入数学科研的具体案例。

AI4Math：数学研究的工作流、边界与实践今天在学院午餐会上做了个AI4Math的分享，以下是演讲稿全文。

因此，今天谈到的很多内容并不是最终结论，而是我在使用AI做数学研究、撰写论文、申请项目、修改材料以及指导学生过程中积累的一些观察、思考和实践经验。

它不只是帮我们写邮件、排LaTeX，而是开始进入猜想、构造、证明、验证、写作这些数学研究流程中的关键环节。

我今天分享的题目是：AI4Math：数学研究的工作流、边界与实践首先说明一下，今天并不是一个严格意义上的学术报告，更像是一场经验分享。

我先说结论：AI不是数学的终点，而是数学研究工作流的一次变化。

所以AI4Math不是单一工具，而是一整套数学研究工具链。

而对于数学工作者来说，一个值得思考的问题是：AI到底会如何改变数学研究？

当然，这个结果不能简单理解为AI已经能够完成98%的数学研究。

无论我们是否愿意承认，AI已经开始改变数学研究的生态。

这些工具本来就一步步进入了数学研究。

这张时间轴展示了最近几个月AI在数学研究中的几个标志性事件。

案例四：LLM以外的AI——数学智能体除了直接使用LLM，我们也尝试过一些专门面向数学研究的智能体。

它不一定能直接完成最后的严格证明，但它有时能帮助我们发现“这个问题也许应该换一种语言来表达”，而这种语言转换本身，往往就是数学研究中非常关键的一步。

独家对话：AI正改变数学研究，一名中国本科生站在前沿.

数学研究大概可以拆成八个环节。

第六部分：AI在数学研究工作流中到底怎么应用？

也许在AI的赋能下，我们学院未来也有机会培养出这样一批学生：他们既有扎实的数学基础，又熟悉新的AI工具，能够更早进入前沿问题，更快参与真正的数学研究。

根据报道，在大规模使用AI之前，他就已经独立或与他人合作解决过多个ErdősProblems网站上的问题，也已经在数学研究中积累了相当多的经验。

AI4Math：数学研究的工作流、边界与实践AI4Math：数学研究的工作流、边界与实践精选

迅猛发展的AI开始进入“猜想、构造、证明、验证”这些更接近数学核心的位置。

在H5级别的人机协作模式下，对于数学工作者——其实也包括航空工程师等高创造性职业——AI的核心作用不是替代人，而是作为工具去放大人的判断力、创造力和执行力，最终提升人的表现。