谁说AI搞数学只能当计算器？清华团队刚让AI学会“自己揪自己错”，Anthropic那边已经让60个AI小分队在Claude Code里吵了一天半——最后没证出黎曼猜想，却把一个卡了37年的数学下界，从41.6%直接干到67.2%。这不是靠堆算力硬算出来的数字，而是模型自己搭框架、拆旧法、试新路、互相挑刺、推倒重来，最后憋出一篇有严格证明的数学论文。两个核心Agent想出关键思路，13个打辅助，30个白忙活，13个专找茬，2个写稿——一半人“无效劳动”，但整个系统没崩，反而越挫越准。
这背后不是玄学，是实打实的范式迁移。清华VeriLoop Coder-E1走的是“循证闭环”：写一行代码，立刻跑测试；失败就分析日志、定位变量、改逻辑、再验证。它不追求“一次写对”，而追求“每次迭代都让系统更懂怎么纠错”。Claude干的事儿本质一样，只是把“代码-测试-修正”换成了“猜想-推导-反例检验-结构重组-再推导”。它没被喂答案，也没抄作业，而是读了Levinson、Conrey的论文，调Python算零点分布，用符号计算验证恒等式，甚至主动构造反例来逼自己换思路。证据不是用来装点结论的花瓶，而是能推翻当前方法的锤子。
所以别再说“AI只是高级搜索”或者“数学还是得靠人”。这次67.2%不是终点，但它是第一个由AI自主完成、经得起同行评审的非平凡数学进展——没有人类数学家全程指导，没有预设解题路径，只有目标、工具、失败记录和一群愿意互相否定的子Agent。它不证明黎曼猜想，但它第一次让AI站在了数学发现的“起跑线”上，而且是光着脚、没穿教练给的钉鞋，自己扎进泥里跑出来的。
这种“光脚跑”的状态，恰恰戳中了数学最本真的味道。翻翻数学史就知道，黎曼猜想卡了163年，不是因为没人聪明，而是因为人类大脑太容易被“成功路径”绑架——Conrey在1989年那篇经典论文里用的加权筛法，后来三十年里被反复复刻、微调、套用，就像一条越走越深的沟，大家默认“这条路能通”，却少有人蹲下来摸摸沟底是不是早被雨水冲塌了。而AI没有“默认”，它不敬畏权威，也不心疼自己刚写的500行推导——一个反例甩过来，整段逻辑链立刻进回收站，连犹豫都不带的。
更关键的是，它不怕“无效”。那30个白忙活的Agent，不是冗余，是探索成本的显性化。人类数学家卡住时，往往沉默、焦虑、换课题；AI却把“试错”变成可调度、可记录、可复盘的模块。清华团队公开的日志显示，VeriLoop在验证一个辅助引理时失败了47次，第48次才绕开经典不等式，改用概率方法重构边界——而这一步，根本没出现在任何教科书或综述里。
当然，它离“独立提出新猜想”还很远。这次突破仍锚定在已知框架内：目标明确（提升下界）、工具限定（解析数论+计算实验）、验证标准清晰（同行可复现）。但它打破了“AI只能优化已有解”的玻璃天花板。美国数学学会（AMS）今年3月发布的《AI in Mathematical Research》报告里特别提到：“当系统能主动构造反例来否定自身假设，并据此重写证明策略时，它已具备数学推理中最稀缺的品质——自我质疑能力。”
这不是替代数学家，而是给数学家配了个不知疲倦、不讲情面、从不自我感动的“副驾驶”。以后一个博士生想啃硬骨头，可能先让Agent跑三天，拉出12个潜在突破口和87个失效路径清单——省下的不是时间，是几十年里被重复踩过的坑。
说到底配资行业第一门户，数学从来不是一个人的灵光乍现，而是人类集体纠错的漫长接力。现在，接力棒上多了一双不长指纹、但永远清醒的手。
炒股配资提示：文章来自网络，不代表本站观点。
相关文章
沪深京指数
热点资讯
