北京大学的 Haocheng Ju 和 Bin Dong 发表于 arXiv 的综述论文《AI for Mathematics》(arXiv:2601.13209)梳理了 AI 在纯数学领域的进展:AI 已达国际数学奥林匹克金牌水平,在 Erdős 猜想上产出形式化验证反例,但验证瓶颈与语义一致性仍是主要挑战。
论文以 Hilbert 在 1920 年代提出的数学形式化宏大计划为参照:一个世纪后,AI 正从计算工具转变为数学研究的合作者。
两大研究方向
论文把 AI for Mathematics(AI4Math)研究划分为两个互补方向。问题特定建模针对具体数学问题设计专门架构,优势是针对性强、数据和计算资源需求较少,缺点是难以迁移、依赖领域专业知识。通用建模则开发从数学专用语言模型到通用推理引擎的基础模型,通用性强、支持更广泛的工作流,但需要海量训练数据与巨大计算资源,工程复杂度也更高。
突破性成果
在引导人类直觉方面,DeepMind 于 2021 年用神经网络发现纽结理论中代数与几何不变量之间的新关系,成果发表于美国国家科学院院刊;AI 还在仿射 Deligne-Lusztig 簇研究中重新发现了经典虚维数公式,并建立新的精确下界定理。
在构造例子和反例方面,FunSearch(2024)用进化方法搜索生成构造程序,发现了超越已知结果的大型 cap 集构造;AlphaEvolve(2025)把进化过程扩展到整个代码文件,为最小重叠问题和 11 维接吻数问题提供了改进构造(另见站内《AI 打破矩阵乘法 56 年纪录》)。
在形式化推理方面,AlphaGeometry(2024)将符号几何推理引擎与语言模型结合,达到 IMO(国际数学奥林匹克)银牌水平;AlphaGeometry2(2025)引入共享知识集成搜索树算法,实现金牌表现。定理证明正转向模块化 Agent 工作流:DSP 先生成非形式化证明再翻译为形式化草图,交由轻量证明器收尾;LEGO-Prover 维护持久引理库并演化出新引理;Aristotle 将非形式化推理与形式化验证交错进行;Numina-Lean-Agent 在 2026 年解决了 2025 年 Putnam 竞赛的全部问题。
在 Erdős 问题上,Aristotle 等 Agent 系统已成为陶哲轩(Terence Tao)等人研究 Paul Erdős 猜想的工作流组成:前沿语言模型生成候选构造或启发式论证,再在 Lean 证明助手中被严格形式化和机械检查。该管道已产生对问题 #205 的形式化验证反例,以及对问题 #367 的部分解决。
性能与检索瓶颈
在性能评估方面,能力分层明显:北京大学本科 11 个数学科目期末考试中,GPT-4 得分低于 60 分,而 OpenAI o 系列、DeepSeek-R1、Gemini 2.5 Pro 等推理增强模型多个科目超过 90 分;在分析、概率、代数、几何与拓扑四个领域的博士资格考试中,o3-mini 平均得分 84.4 分,代数最强、几何与拓扑最低。
除性能之外,另一瓶颈是数学信息检索。Lean 证明助手的数学库 mathlib4 已包含超过 250,000 个定理和 120,000 个定义,前提检索(识别可证明新定理的已有结果)、语义检索和问答检索成为主要障碍,LeanSearch 等工具正帮助数学家导航数学库。
挑战与未来方向
论文指出七项关键挑战:问题特定建模仍依赖人类直觉做特征工程;自然语言歧义与审计专家稀缺造成验证瓶颈;自动形式化面临语义一致性难题;形式有效性只是数学价值的必要条件而非充分条件;AI4Math 的未来在于模拟数学家工作流的 Agent 系统;社区需建立对系统能力的集体心理模型;并为 AI 演变为研究副驾驶做好文化准备。