找到 5 筆
普林斯頓大學教授 Elad Hazan 發表長文，回顧線上凸最佳化（OCO）二十年，串起 Online Newton Step、AdaGrad 等現代 AI 核心方法的脈絡。他回憶了與 Satyen Kale、John Duchi、Yoram Singer 合作提出 AdaGrad 的過程，以及 ONS 論文被 FOCS/STOC 拒稿的經歷；OCO 的 regret minimization 與自適應更新思想後來進入 bandit、線上控制與序列建模。
3Blue1Brown 於 10 月 16 日發布影片，主題是現在或許是進入數學最好的時機。影片分 7 章，依次講數學學生的焦慮、數學如何運作，以及 AI 作為證明機器、猜想機器與理論機器各自能做到什麼；最後兩章討論如果 AI 在一切方面都更強該怎麼辦，並給出對數學前景的判斷，描述區還附了一篇 Proofs and Prompts 的相關文章。發布兩天播放量約 197 萬，點贊 3.2 萬。
Anthropic 宣布把 2025 年 5 月啟動的 AI for Science 計劃擴充套件至全球 20 家科研基金會、機構與研究團隊，為從事高影響力科研專案的研究者提供免費 Claude 額度。合作方包括美國國家科學基金會（NSF）、施密特科學、Sloan 與 Simons 基金會、Wellcome Sanger 研究所、Crick 研究所、EMBL、太空望遠鏡科學研究所等。此前該計劃已支援生物、醫學、物理、化學、氣候與數學領域的數百個專案；
客座文章《Egoless Mathematics in the AI Era》討論 AI 時代數學工作的目的與價值。作者區分數學是被髮明還是被發現，並以 Platonic 視角強調數學真理獨立於個人；同時指出能生成形式正確的推導不等於理解其意義，出版物、引用和獎項等績效指標不應定義工作本身的價值。文章認為，對 AI 取代數學家的焦慮暴露了此前已把人視為產出能力的觀念，回應不應只依賴創造力、直覺等相對機器的人類優勢。
陶哲軒在加州理工學院發表《Math 2.0》演講，認為數學正從「證明稀缺」轉向「證明富足」：只要有算力和前沿模型，過去需要數年甚至數十年才能解決的開放問題可能很快就有答案。他同時警告，只最佳化 AI 解題已在損害數學長期健康，因為答案可能繞過人類理解直接產生。他主張 Math 2.0 應把 AI 嵌入人類理解與數學研究的各環節，並舉例等式理論專案判定超 2200 萬個命題、逆伽羅瓦問題挑戰從 24 次擴充套件到 31 次。