是本领了！陶哲轩对 AI 生成的低质地数学本色淡薄警示黔西南铁皮保温施工。

此次他反常态，莫得来安利大模子，而是辩证扫视：

AI 生成数学是把双刃剑。AI 大幅增多数学新想法，但也裁汰平均想法质地。

往常几个月里，AI 在数学域里可谓是搅拌风浪。先是IMO 夺金，后又不息破解多年Erd ő s 难题。

但道理的是，其中许多 AI 生成案终被诠释是罅隙的，还有些则与现存治理案访佛。

陶哲轩谨防到了这气候。

于是就 AI 如何好地劳动数学，他淡薄了我方的解法：

创造种新的形式化言语，用于描绘数学战略而非诠释。

数学起首取决于质地，而非数目

在传统假定中，数学起首取决于新想法的数目，数目越多，数学就发展越快。

但陶哲轩以为，在 AI 时间这是罅隙的。

家喻户晓，AI 生成数据相配弘远，想要获取敷裕多的想法相配容易。但只好少部分新想法是有效的，那些大多数厄运的想法反而会糜费数学多的时分，约束确切的起首。

是以当下应该修改为：数学起首 = 秀新想法的数目 * 想法库信噪比。

具体来说，秀新想法是那些简略被考证、确切不错动数学发展的案，想法库信噪比则是好想法在悉数这个词想法库中的比例。

基于此公式，AI 对举座起首的影响可能为正，也可能为负。它不错领域增多质想法的总和，但多半罅隙想法的引入也会裁汰信噪比。

而终成果取决于哪种影响占据优势。

那么，是否存在种宗旨，不错保留正向作用，同期扼制负面影响呢？

陶哲轩的谜底是引入采选摩擦，让 AI 生成等闲想法比生成好想法选藏。

好多编程言语的假想想路，等于让好写法变浅易、坏写法变阻隔，从而引范例员写出范例安全的代码。

比如 Rust 为了饱读吹安全管制内存，会复旧 Rust 悉数权、借用机制，而悬空指针、空指针这类罅隙用法编译器会径直拦住，变得难用。

但大模子在假想之初，不时对输入质地不加以分裂，致著增多 AI 垃圾产出。而上述编程言语的许多采选摩擦也在 AI 编码中被迟缓消解。

是以要在数学域增多这限定，不错依靠的是 Lean 等形式化诠释。因为形式化个罅隙命题的诠释要比形式化正确命题的诠释选藏多。

不外面前的形式化框架仅能对好意思满诠释施加握住，个 AI 新淡薄的治理案还远远达不到好意思满诠释，仅仅将问题简化为组暧昧的子问题战略，短缺形式化诠释精度。

是以陶哲轩以为，铝皮保温面前需要确立种用于描绘数学战略而非数学诠释的形式化或半形式化言语，为 AI 生成的数学想法提供敷裕的采选摩擦，以终动数学起首。

五步辩认 AI 生成案

不外这齐是后话了，至于面前应该怎样尽可能地辩认 AI 数学谜底的正确与否，陶哲轩指路 Erd ő s 网站官给出的些指主意。

先，Erd ő s 官建议使用者在自查时先自问五个重要问题：

1、你是否确切领略这个 Erd ő s 问题？包括它为何被淡薄，以及假定和论断各自的真谛。

这条目用户需要仔细纪念原始 Erd ő s 论文和页面说起的参考文件，再行梳理布景信息，而不是仅凭 AI 给出的版块。 因为 AI 有可能误用户直在治理个形式化罅隙的问题版块。

2、你是否对该问题进行了的文件综述？

不错使用传统的数学文件器具，比如 Google Scholar、MathSciNet、zbMath 等，来查证该问题是否存在先前成果；也可使用 ChatGPT DeepResearch 或 Gemini DeepResearch 之类的 AI 度检索器具接济搜索。

淌若用户自己并非数学域，不错将淡薄的治理案先交给征求主意。

总之，不行仅凭借 AI 论断，就取代传统文件搜索。

3、你是否领略该解法的中枢想路？

淌若你法在不参考 AI 治理案的情况下，合领略释该诠释的主要想路和重要轨范，那么该治理案很有可能是 AI 幻觉。

4、你的解法与以往文件的法比较如何？

重要在于，AI 可能找到的是已有但不广为东说念主知的诠释，也可能是已有诠释的变体或等价解释，这时就需要用户手动证实其原创和数学真谛。

5、你能否将诠释形式化？

淌若 AI 生成本色简略形式化并由 Lean 等器具清静，那么成果的简直度会大幅度训诲。

除此以外，还有个相对浅易的法，等于将该 AI 生成的诠释提交给另个 AI 器具，让它对诠释的正确进行评估。

在以上轨范之后，就不错将治理案并发布在 Erd ő s 官网，交由业的社区成员进行评估。

其中需要效率网站规矩，即明确标注 AI 协助创作，以及避过短或低质地的 AI 注释，为详备的诠释，好整理写成论文初稿，提交到预印本平台或期刊。

One More Thing

总的来说，陶哲轩的真谛并非 AI 数学不可取，而是要合理看待 AI 对数学域的影响。

尤其是关于数学业学问储备不及的东说念主来说，是要仔细辩认 AI 生成成果。不行全然狡赖，也不行盲目崇。

比如关于陶哲轩我方来说，刚刚他还明确暗示，GPT-5.2 Thinking就在他的论文中发现了些小罅隙。这等于 AI 好的面。

但同期，对 AI 不好的面也要扫视看待。

参考连系：

[ 1 ] https://mathstodon.xyz/@tao/1161174494594458

[ 2 ] https://github.com/teorth/erdosproblems/wiki/I-think-I-managed-to-get-my-favorite-AI-tool-to-solve-an-open-ErdC591s-problem!--What-do-I-do-next3F

[ 3 ] https://www.erdosproblems.com/forum/thread/783

—  接待 AI 家具从业者共建  —

� �「AI 家具学问库」是量子位智库基于弥远家具库跟踪和用户行径数据出的飞书学问库，旨在成为 AI 行业从业者、投资者、斟酌者的中枢信息重要与有野心复旧平台。

键景仰 � � 点亮星标

科技前沿线路逐日见黔西南铁皮保温施工