依意思最接近的 8 筆
OpenAI 一次性公開 722 篇數學手稿，歸為 372 組結果，全部出自一個尚未發布的內部模型，涉及準黎曼猜想、霍奇猜想、BSD 猜想、π的無理性指數、卡塔蘭常數無理性、唯一遊戲猜想等。據 OpenAI 介紹，模型共嘗試約 4000 個研究問題，平均每項結果消耗算力約相當於 ChatGPT Pro 思考 3 小時；論文、原始碼與部分 Lean 證明已上傳 GitHub。倉庫註明各手稿核驗進度不一，部分成果尚無 Lean 形式化證明。
過去一年，OpenAI、Anthropic 等實驗室宣布解決了多個長期懸而未決的數學問題，其中甚至包括一道千禧年大獎難題，進展超出研究人員預期。但這些實驗室以矽谷式的高速推進，本應被慶祝的成果反而招致學界反彈，有數學家要求 OpenAI 證明未使用其工作成果，也有批評指向其行事方式。實驗室表示正在從早期的失誤中學習，承諾能否兌現尚待觀察。
在 Hacker News 關於 openai/math 的討論中，Jake Boggan 稱自己斷續研究了 24 年的 Barnette 猜想似乎已被證明，編號是 problem 180。他早年沉迷圖論，曾搬到布達佩斯跟隨名家學習，期間開始做這個問題，前後投入數千小時，去年夏天還一度以為是自己解出來的。得知結果後，他說不知道該怎麼想，這種感受像聽說前女友突然死於車禍，並猜當晚不少人心情複雜。
Wolfram 於 2026 年 9 月 28 日發文，回應 AI 不斷解出數學題後“是否還需要人類做數學研究”的討論。他認為現代 AI 的最大價值在於挖掘人類數學知識庫並建立連線，但純數學的核心是引導提問的人類想像力；計算則能通過計算不可約性不斷生成全新結果。他以 1988 年 Mathematica 問世時類似的擔憂作類比，指出工具只是提升了可做的數學層次。
數學家 Jeremy Avigad 在客座文章中寫道，過去幾個月 AI 已能輕鬆生成一年前足以發表的數學成果，數學家日常工作流程中相當一部分必然改變。他給出三個應對方向，前兩個是解更難的問題、想更大的思想，並指出目前 AI 攻克的開放問題多是把現有技術拼接而成，靠強化學習訓練的系統長於超人式機敏，卻可能缺少創造力與更高層的戰略思考。
Meta AI 研究人員與 Muse Spark 合作，將數論中的一個想法與弦理論中的一項計算聯絡起來，證明該聯絡在比此前已知更多的情況下成立。這項工作建立在 1980 年代的想法之上，論文已在 Meta AI 研究頁面發布。
數學家陶哲軒在 SAIR 演講中公開呼籲模型公司放慢數學研究節奏，稱 AI 無休止加速卻對後果一無所知，並稱之為 Proof Indigestion（證明消化不良）：AI 只在生成解答與 Lean 驗證上狂飆，理解、評審、寫入教科書幾乎停滯。此前他與 25 位菲爾茲獎得主聯名發表公開信，批評把數學當 benchmark 刷分。OpenAI 隨後回應，宣布在普林斯頓高等研究院設立數學與人工智慧顧問小組，但宣告寫明該小組不就數學上的內部進展提供建議。
Hinton、Bengio 等 22 位作者聯合發表首篇 RSI（遞迴自我改進）論文《What if automating AI R&D triggers an intelligence explosion?》。論文引用 Anthropic 內部資料：AI 生成獲批程式碼佔比從 2025 年 1 月的低個位數升至 2026 年 5 月的超 80%，Claude 在高層監督下自主完成的 AI 研發工作比例從 2026 年 3 月的約 1% 升到 8 月的 26%。