问题本身即问题: 迈向可扩展的数学发现

摘要

AI系统日益能贡献数学研究，但前沿模型推理和专家评审都是稀缺资源，需合理分配。现有AI数学工作流中，人类精力集中在选题和评审两端，成为瓶颈。为此，研究者提出新的人机协同发现范式，人类提供研究方向，系统在文献中搜索候选问题。他们构建了名为FAR（Find, Attempt, Recommend）的流水线，从5245篇组合学论文中恢复6453个候选猜想或开放问题，筛选出4717个表述良好且仍未解决的问题，经推理和自动筛选后，选出598个潜在解法，最终77项进入作者团队评审，其中包含对Davies–Jenssen–Perkins–Roberts、Erdős–Straus、Ikenmeyer–Pak–Panova及Lund–Saraf–Wolf等猜想和问题的发现，展示了这种新协作模式的有效性。