数学家Rachel Webb反思AI对数学研究的影响。她认为数学研究如同写小说，定义是角色，定理是情节，核心是寻找有趣的东西去表达。大语言模型不会改变她对“有趣”的判断，但会极大加快研究执行。她提出人类继续做数学的两个理由：一是数学对个人有趣，应抵制只求答案不求理解的诱惑；二是数学能凝聚社群，促进师生、合作与交流。

数学家陶哲轩在博客发布客座文章，宣布成立独立于AI公司、不收取报酬的“数学与人工智能咨询小组”，由多位知名数学家组成，旨在就AI公司与数学研究的互动提供建议。当前任务是协助OpenAI协调其内部模型产出的大量数学成果的发布，并欢迎数学界通过表单反馈意见。

陶哲轩宣布，其联合创办的SAIR基金会启动“开放模型”计划，联合学界与业界开发科学开源大模型及工具。首阶段聚焦数学研究，包括理解论证、验证引用、编写代码和形式化证明。模型权重、代码和训练方法将开放，数据使用需经同意，社区主导治理，欢迎各方以资金、算力或专业知识参与。

The Verge的Decoder播客探讨AI对数学领域的冲击。OpenAI的Astra模型解决了10个长期未解数学难题，引发数学界震动。数学家担忧AI可能取代人类研究，但也承认其潜力。讨论涉及AI在数学中的能力、对学术界的威胁、以及数学研究的未来，核心是AI是否会让数学领域变得“贫瘠”。

OpenAI的通用AI模型推翻了离散几何学中的核心猜想，证明单位距离图的数量可以超出线性增长。该模型通过125页的推理，结合不同数学领域，展示了AI在代数数论与组合几何之间的独特连接能力。数学家们验证了这一结果，认为AI的能力可能改变未来数学研究的方式。

数学家Timothy Gowers对AI在数学研究中的能力表示担忧，认为AI可能会取代博士生的研究工作。尽管AI能快速解决问题，但人类数学家的理解能力不可替代。陶哲轩强调，理解和探索数学的过程是人类独有的，AI无法完全替代。两位数学家对AI的影响看法不同，Gowers感到危机，而陶哲轩关注人类思维的深度。

谷歌DeepMind推出的「AI联合数学家」成功解决了Kourovka Notebook第21.10号问题，标志着数学研究的新突破。该系统通过人机协作，提升了解决数学难题的效率，强调持续互动与反馈，记录失败假设，帮助数学家更好地研究。在FrontierMath基准测试中，该系统取得了48%的准确率，超越了其他AI模型，展示了AI与数学家合作的潜力。

陶哲轩利用AI工具Claude Code提高论文修改效率，通过输入审稿反馈与论文文件，快速识别并修正问题，仅需15分钟。他强调AI应作为数学家的助手，帮助解决细节问题，而人类则专注于核心难题。这一趋势在数学界逐渐普及，AI辅助研究的潜力不断被挖掘。

北京大学的论文《AI for Mathematics》探讨了人工智能在数学研究中的进展与挑战，主要分为问题特定建模和通用建模两大方向。AI已成为数学家的重要合作伙伴，帮助发现新关系、构造反例和掌握形式化推理，开启了数学研究的新黄金时代。

马修·博兰等人发布了《方程理论项目：推进大规模协作数学研究》的预印本，系统探索了4684个代数法则，利用自动定理证明工具等方法揭示了许多法则间的蕴含关系，但部分复杂蕴含仍需深入研究。

埃尔德什问题1026最近通过文献、在线合作和AI工具得到解决，涉及寻找序列的最大单调子序列长度。研究者们通过讨论和计算，最终利用AI工具证明了相关的界限和定理，展示了现代技术在数学研究中的应用。

Thomas Bloom的erdosproblems.com网站汇集了近千个保罗·厄尔多斯提出的问题，约三分之一已解决。网站新增讨论论坛以促进问题解决。我们计划通过众包项目计算与厄尔多斯问题相关的整数序列，并与在线整数序列百科全书（OEIS）交叉验证，吸引更多数学爱好者参与研究。

AI在数学研究中的能力与宣传存在显著差距。尽管一些AI系统声称能解决复杂数学问题，但实际表现远低于预期，尤其在定义提取和推理方面。研究建议建立更严格的检查机制，并提醒数学家不要完全依赖AI。