AI 日报 2026-09-05：模型嵌入流程，验收授权须前置
Damon · 此间工夫Anthropic 公开了 Claude 协助完成的费马大定理 Lean 形式化成果；GitHub 尝试多模型协同调度；xAI 展示了采购 Bot。三条动态最终指向同一个命题：模型嵌入流程之后，如何确认结果、配置权限与明确责任。今日摘录三条资讯。它们分别涉及数学证明、编程平台与企业采购，表面看似彼此无关，回到业务实际却都难以回避同一个核心：当模型接入既有流程，由谁把关、权限如何分配、出现失误该怎样兜底。Anthropic 推出研究论文，指出 Claude 在 11 天内基本独立完成
AI完成费马大定理形式化验证，数学审查成本迎来变革
Anthropic于9月4日发布了一项容易被标题误导的研究成果：其Claude模型在Lean证明助手中完成了费马大定理的全流程形式化验证。据官方披露，整个项目耗时11天，生成约1300万行Lean代码，期间共证明30,300个命题，最终证明引用了其中29,500个定理。这并非意味着AI发现了人类此前未知的数学结论。费马大定理早在1995年就已被Andrew Wiles与Richard Taylor攻克。Claude的实际工作，是将依赖繁复现代数学工具的论证过程，重新转译为Lean能够逐步审核的形式语言。表
Astra震撼数学界:AI首次完成可机器验证的形式化证明
8月末，OpenAI抛出一颗重磅炸弹：其全新模型Astra在纯粹数学范畴内斩获十项重大进展，并且每一项均配有以Lean形式化语言撰写、机器可自动核验的完整推导过程。与此同时，一份厚达249页的技术文档同步发布，供任何人下载审阅。说白了就是：AI不仅解出了数学题，还把整个求解流程封装成机器能自动校验的证明文件——正误与否，不由AI说了算，机器来判。这一事件的意义，远远被外界轻视了。不少人对于"AI做数学题"的认知还固化在：让ChatGPT算一道小学竞赛题，它煞有介事地给出错误答案。那顶多叫生成，谈不上证明。
陶哲轩警醒全网:AI消化百万论文仍不及人类5个样本!未来20年人机互补大势已定
菲尔兹奖荣膺者、当代数学界泰斗陶哲轩（Terence Tao），近日在一档播客节目中以异常从容的口吻，抛出一番令整个科技界为之震动的预判。这场对话发生在陶哲轩与其子莱利·陶（Riley Tao）参与科学与人工智能研究基金会（SAIR）节目录制的深度交流之中。▲ 社交网络上关于陶哲轩访谈的长评访谈过程中，陶哲轩抛出了一条让AI拥趸与AI忧虑者双双陷入沉默的核心论断："一个人穷尽一生也读不完一百万篇论文，更不可能逐一尝试其中每一项构想。然而今天的AI几乎能够实现这一壮举。""但人类只需浏览五六个数学例题，就能
AI冲击数学界：人类的价值何在？
摘要#2026#////研究人员就动机、目的以及该领域的未来展开辩论。本杰明·斯库斯2026年6月25日加州大学洛杉矶分校的陶哲轩认为，人工智能可能会开启“大数学”时代，届时人类和机器将携手解决复杂问题—彼得·亚当斯在2000年代中期，当杀手乐队（The Killers）和弗朗兹·费迪南德乐队（Franz Ferdinand）的音乐从我路过的每家酒吧和夜总会里震耳欲聋地播放出来时，我在日夜苦读应用数学博士论文。我的研究重点是模拟特殊光波在液晶中的相互作用，并用简单的方程式来近似和理解这些相互作用。现在回过
陶哲轩十二年前的远见，如今被AI完美印证
事实证明，菲尔兹奖得主有时候也兼职预言家。十二年前，陶哲轩在首届数学突破奖的舞台上抛出了一句预言，被视作天方夜谭：将来有一天，我们或许不再用LaTeX撰写论文，而是使用计算机能理解的形式化语言。那一年，Transformer还没诞生，ChatGPT更是连影子都没有。没想到，回旋镖正中靶心。过去这一年，AI在数学领域突然开始疯狂提速。从OpenAI解决开放问题，到DeepMind批量攻克数学猜想，越来越多数学证明被写进形式化系统，交给计算机自动验证。回望来路，最早看清风向、亲自下场实践的人，就是陶哲轩。十年
钉钉管理层更迭后，《置身钉内》作者再发声：形式化加班违背技术初心
专题：从“钉内”走向“钉外”，钉钉副总裁马锐拉辞职：难以分辨是在打造产品还是盲目追赶 新浪科技讯 6 月 12 日清晨报道，近期，一封篇幅约 7.5 万字的辞职信《置身钉内》在网络平台疯传，致使钉钉严苛的管理模式成为舆论焦点。 6 月 11 日，阿里巴巴集团宣布，钉钉创始人陈航（花名“无招”）不再担任钉钉 CEO 一职，由 1992 年出生的技术极客陈宇森接任。就在钉钉完成 leadership 交接之后，《置身钉内》的作者、曾任钉钉 ONE 项目的产品经理再度在社交平台发声，回应外界质疑。 她坦言，选择
AI赋能数学研究：工具演进、边界认知与实践策略
今日在学院午间研讨会进行了关于AI4Math的主题分享，以下为演讲完整内容。各位同仁，中午好！非常感谢学院提供的交流机会。坦白讲，接到这个分享任务时，内心确实有些顾虑。因为我知道，院内不少老师在人工智能的应用与探索方面已走在前列。今天我更多是以抛砖引玉、相互学习的态度，与大家分享个人的观察与心得。计划用约三十分钟做简要汇报，之后预留更多时间，期待与各位同仁深入探讨。今日分享的主题是：AI赋能数学研究：工具演进、边界认知与实践策略首先需要说明的是，这并非严格意义上的学术报告，更倾向于经验交流。过去一两年间，
陶哲轩：引领AI与数学融合的开拓者
人工智能前沿资讯，第一时间为您送达通过自动化验证工具，复杂的数学问题能够被分解成若干小块（chunks）分别解决，确保每个推理步骤都准确无误，再整合得出最终结果。一些学者认为，这标志着数学研究方式即将迎来重大变革。像Lean这样的自动化验证工具，可以为数学证明的严谨性提供完全的保障。图源：Samuel Velasco |《量子杂志》Quanta Magazine代码致谢：亚历克斯・康托罗维奇（Alex Kontorovich）作者：Kevin Hartnett（凯文・哈特内特，量子杂志特约撰稿人）2026
AI重塑数学：从证明泛滥到基建重构|2026 Science x AI Summit
人工智能正以惊人步伐深入数学研究领域。然而，2026年5月在硅谷举行的一场顶级科学对话揭示了一个反常识的现实：AI并非能力不足，而是“方向走偏”。2026年5月12日至13日，SAIR Foundation联合创始人、菲尔兹奖得主陶哲轩（Terence Tao），菲尔兹奖得主、剑桥大学教授蒂姆·高尔斯等数学界领袖在“2026 Science x AI Summit”会议上共同发出警告：数学正从“证明稀缺”阶段滑向“证明过剩”阶段，而人类数学家尚未做好应对准备。这场由SAIR Foundation主办的峰会
AlphaProof Nexus破解数学难题，AI重塑科研范式
2026年05月26日 星期二AI HOT 精读今天AI圈发生了17件大事，我们深度解析了其中最重要的一件🎯 今日焦点 · 国际AI国际AI 谷歌 AlphaProof Nexus 攻克 2 道悬置 56 年 数学难题📌 事件概述Google DeepMind 今天放了个大招——他们的新 AI 框架 AlphaProof Nexus，一口气攻破了 2 道悬置了整整 56 年 的数学难题。这可不是什么竞赛题或者算法刷分，而是 20 世纪传奇数学家保罗·埃尔德什（Paul Erdős）提出的开放问题，数学界等
AI模型颠覆数学猜想
人工智能首次推翻离散几何核心猜想，数学界迎来"iPhone时刻"5月21日，OpenAI发布重要研究，宣布其最新AI系统成功推翻了离散几何领域的一个核心猜想——"埃尔德什-法尔廷斯覆盖猜想"的某个推广版本。这个猜想自1960年提出以来，已经困扰了数学界60多年。全球顶尖数学家曾尝试各种方法证明或证伪，均未成功。如今，一个AI系统在48小时内完成了这项工作。数学界震动了。著名数学家陶哲轩在社交媒体上发文："这是数学史上的iPhone时刻——AI不仅能辅助证明，还能发现
AI数学证明的新纪元 - 从OpenAI离散几何成就看科研智能体的潜力与局限
当 AI 开始证明数学从 OpenAI 离散几何突破，看科研智能体的价值与边界关键进展OpenAI内部通用推理模型证伪了平面单位距离问题中长期被视为定论的 n^{1+o(1)} 猜想，成功构建了具有明确指数级增益的反例。更广阔的视野结合AlphaGeometry、AlphaProof、Lean/Mathlib等成果，探讨AI如何从单纯的计算辅助升级为研究协作伙伴。核心洞察AI的价值不仅在于更快速的运算，更重要的是拓展研究边界、揭示跨学科关联、提供反例并协助验证。保持警惕AI成果需要专业评估、形式化确认和学
AI进军数学界，奥数赛场大放异彩，研究范式迎来巨变
数学界的人工智能变革浪潮已然席卷而来2025年的盛夏，人工智能在数学界迎来了真正的里程碑。在当年的国际数学奥林匹克竞赛中，多款AI模型在六道题目中成功攻克五道，其表现远超许多专家的预料。虽然奥数题属于有确定答案的难题，并非开放性研究问题，但这一成绩足以让整个数学界重新审视AI的巨大潜力。过去那些认为AI容易出错、难以胜任严肃数学研究的专家学者，如今纷纷开始将AI融入日常工作。实际应用效果令人惊喜：AI不仅解题能力出色，更能协助研究者探索全新的研究方向，将原本需要数周甚至数月才能完成的工作，大幅压缩至一天之
AI模型有望成为数学界的通用语
星期二 多云 31℃/21℃AI模型有望成为数学界的通用语· 核心摘要不少人寄希望于AI简化证明验证流程。· 正文验证过程往往漫长。同行数学家耗费十余载反复推敲，才确认黑尔斯的计算无误。数学结论要获“证明”地位，每一步都得逐符号、逐命题核查。美国国防高级研究计划局（DARPA）的帕特里克・沙夫托指出，这凸显了数学界的“核心瓶颈：信任问题”。沙夫托博士率领团队，旨在利用AI加速纯数学发展，其中关键在于简化“形式化”流程。若具备高深数学素养的大语言模型（LLM）真能验证既有证明并协助构建新证明，众多数学家相信