AI会做题之后下一关可能真的是AI会不会选题。AI数学正在越过一个很微妙的分界线。过去我们问的是大模型能不能做出一道难题能不能写出严谨证明能不能找到人类几十年没发现的反例而现在一个更像「科研本身」的问题冒了出来当一条证明路线失败之后AI知不知道下一步该干什么是继续算换路线缩小命题还是干脆提出一个新的、可证伪的数学猜想思特雅大学的研究人员曾仔健搭建的AI Has Taste正在试图把这个问题做成一套可持续运行的研究系统。项目公开仓库目前记录了453份数学研究手稿、2312页内容其中6篇被明确归类为「AI-Proposed Conjectures」。仓库首页给出的定位更直接From Answer Generation to Research-Agenda Generation——从生成答案走向生成研究议程。AI把论文里的猜想推翻了原作者回信确认AI Has Taste并不是从「AI一定擅长数学」的信念出发。曾仔健回忆项目最开始时他对大模型能否真正推进数学研究并不确信。一次偶然的测试成为转折点他把一篇论文中的猜想直接交给AI本来只是想看看模型究竟能走多远。结果AI没有顺着论文继续「证明」而是构造出了一个反例直接把这个猜想推翻。他的第一反应不是兴奋而是不信。于是他把反例和推导整理后写信给原论文作者核实。随后收到的回复确认这个反例成立。对应研究后来也被收录进目前450余份数学手稿中。「最开始我还不相信AI在数学上的力量。直到输入一篇论文的猜想AI直接给出反例推翻我立刻写信问原作者对方回复确认是对的。那之后我才真正放开手脚干。」——曾仔健这封邮件改变的不是一个猜想而是项目的尺度。如果AI不仅能复述已知知识、生成看起来像证明的文本还能主动攻击论文中的新猜想并找到一个经过原作者确认的反例那么它就有机会真正进入「研究循环」。此后曾仔健才开始把选题、证明、反例搜索、失败管理、独立审查和写作逐步Agent化并让不同机器长期并行推进。真正的变化不是「写了多少篇」单看数量453份手稿已经足够吸睛。但如果只把这个项目理解成「AI批量写数学论文」反而错过了最值得注意的部分。项目自己反复强调453是「research manuscripts」的数量不等于453个原始开放问题全部被解决。产物包括完整证明、反例、局部结果、有限计算证书、结构化约化以及提出新猜想的论文。AI内部审查也不等于外部同行评审。真正的变化发生在研究链条上。传统AI benchmark往往从「题目已经给定」开始人类负责选题AI负责求解最后得到成功或失败。AI Has Taste则把流程向前和向后都拉长——AI可以筛选候选问题、比较路线、主动找反例一条路线失败后还可以分析失败结构、修改命题并把新的数学对象交给另一个独立Agent继续攻击。AI Has Taste的关键不是「更多Prompt」而是把失败也变成下一轮研究输入。选题、证明、挑错、写作Agent这套系统并不是「一个模型在一个对话框里自问自答」。公开README把Agent角色拆成了四层Supervisor / Screener负责选择候选、比较附近结果并找最便宜的决定性实验Researcher负责证明、反例和精确计算Fresh-context Reviewer在新的上下文里专门攻击冻结后的命题、关键引理和证书Writer / Release Checker负责把最终接受的范围写清楚并检查引用、构建和发布材料。曾仔健进一步把工作流部署成多机协作不同机器可以分别推进证明、搜索反例、跑精确计算、做独立审稿。共享的是冻结命题、实验记录、失败原因、代码和证据而不是让一个Agent一边生成结果、一边给自己盖章。多Agent的核心设计角色分离 共享证据 fresh-context审查。仓库里有一句话很能概括这种设计Criticism is part of the engine, not an afterword。批评不是论文写完之后才补的一道手续而是研究发动机的一部分。数学家、机器人学者和自动化学者进入验证链当研究手稿从几十份增长到数百份另一个问题随之变得尖锐谁来判断这些Agent产物不是系统性幻觉AI Has Taste内部用fresh-context Reviewer把「研究」和「挑错」拆开但项目并没有把AI自审当作终点。随着工作推进曾仔健也开始邀请不同领域的真实学者参与部分结果的验证、复核和学术讨论。据项目方介绍参与部分工作的合作者与审核者包括马来西亚科学院院士、马来亚大学数学科学研究所荣誉教授Ong Seng Huat马来西亚科学院院士、马来亚大学数学科学研究所荣誉教授Kurunathan Ratnavelu以及中国地质大学武汉人工智能与自动化学院熊永华教授。这里需要区分「参与验证」与「为全部结果背书」上述学者并非对453份手稿逐篇签字认证而是对其中部分问题、证明、计算结果或研究方向进行过验证、审核或讨论。对一个高度自动化的科研系统而言这种「机器内部红队 人类专家抽检/复核」的组合反而比把所有审查都交给同一套Agent更关键。AI负责把研究速度推到极限人类专家负责在关键节点把「看起来成立」重新拉回到「值得相信」。失败以后换了一个更好的问题项目最能体现「研究品味」的案例恰恰不是一次漂亮的成功而是一次失败。在 fractional Gaussian trace 问题上系统最初尝试单调性和单侧配对路线但精确反例不断出现。普通benchmark到这里通常只会留下一个标签FAILED。但这套工作流没有停。Agent继续追问反例到底破坏了什么失败有没有稳定结构最后研究把注意力转向一个固定的负向缺陷构造出十项修正结构并提出一个新的统一有界性猜想。更关键的是新猜想随后又被另一轮精确计算和独立审查反过来攻击。公开归档扫描到index 1004这个统一界至今仍未证明。这件事的意义并不是「AI又证明了一个大定理」——事实上它没有。意义在于原问题没有解决但失败路线被压缩成了一个更清楚、更可证伪、而且一旦成立就能重新连接原问题的新命题。研究没有在失败处终止而是在失败里长出了下一道题。过去人类出题AI答题。现在AI答题也开始参与决定「下一道题是什么」。6篇AI新猜想截至当前公开快照仓库把6篇论文单独归入「AI-Proposed Conjectures」。这些工作横跨组合、图论、数论与分析型问题包括A182510三个子序列的无限binary-kernel矩阵非奇异性、Young图形的CDS-colorability、最大度不超过6的无三角图分解、18-colored generalized Frobenius partitions的unary-theta同余公式、reciprocal-subsum denominators在dyadic stages上的Newton系数非负性以及前述fractional Gaussian trace固定缺陷猜想。真正值得关注的不是AI能不能「脑洞一个猜想」。随口猜一句并不难。难的是把猜想写成精确定义说明它从哪里来、什么证据支持、什么反例能推翻、如果成立会导向什么结果并把计算和源码一起留给后续复核。这也是为什么项目把「提出猜想」看作比「生成答案」更高一级的研究动作证明回答的是已有问题猜想则会改变之后的研究资源投向。453份手稿背后是一种「Agent规模化科研」的雏形AI Has Taste目前公开了453份research manuscripts总计2312页其中BigWIN2一套工作流就对应223份手稿并为这223份工作提供配对的LaTeX/复现材料包。这类规模最反直觉的地方不是「AI打字快」。数学研究真正昂贵的是上下文切换这一题需要图论下一题要数论再下一题可能要SAT、穷举、精确有理数运算或者矩阵计算。一个人类研究者不可能同时维持几百条完全不同的思路但Agent系统可以把它们拆成独立任务把失败路线、局部定理和可复现实验都保存下来。于是个人研究者的角色正在发生变化不是每一步都亲自推而更像一个PI——设定研究边界、选择问题池、决定哪些结果值得继续投入、什么时候应该停止以及哪些结论有资格被公开。为什么叫「AI Has Taste」「AI有品味」听起来很拟人化但项目README特意给出了边界这里的taste不是意识或主观体验而是「通过研究决策表现出来的数学判断」。比如两个问题都能做先做哪个一条路线已经有局部进展但边际收益越来越低要不要停一个反例是把命题判死刑还是说明真正的定理应该换一种表述一个小结果够不够独立成篇这些决定过去通常隐含在研究者经验里很难被标准benchmark测量。AI Has Taste试图把这些决定留下可检查的轨迹选了哪个问题、为什么换路线、失败留下了什么结构、下一步命题从哪里来以及新结论如何被独立上下文再次攻击。离「自主数学家」还有多远这个项目最容易被夸大的地方同样需要说清楚。453份手稿不是453篇经过正式同行评审的期刊论文Agent内部review不等于数学共同体的独立审稿有限计算覆盖的范围也不能自动推广到无限情形。仓库本身明确写出了这些限制。但如果只因为这些结果尚未全部完成外部验证就忽略它的研究组织方式也会错过另一个变化AI的能力边界正从「执行一个给定任务」移动到「参与设计下一个任务」。数学研究真正稀缺的资源从来不只有算力和推理长度还包括什么问题值得花时间什么失败值得保留什么时候应该换题。当AI开始进入这些环节「AI for Math」的竞争就不再只是「谁更会证明」而会逐渐变成谁拥有更好的研究闭环谁能在大量失败中提炼出更值得继续追的方向。One More Thing过去的AI科研叙事很像一个超级学生老师出题它负责解。而AI Has Taste想做的更像一个研究组人类给出边界和价值判断Agent去找题、试题、做错、推翻自己、留下局部结果再提出下一题。如果这条路线继续成立未来基础研究里最重要的人机分工也许会从「人类负责想AI负责算」变成更复杂的结构人类负责目标、价值与最终责任AI承担大规模搜索、验证、失败管理和候选研究方向生成形式化工具与公开证据负责让结果可复核。AI会做题之后下一关可能真的是AI会不会选题。原文链接AI找出数学反例推翻论文作者确认453篇手稿AI开始自己出题了-36氪我的专辑《人工智能生命体 新启点》CSDN平台https://blog.csdn.net/2501_91883294/article/details/147616608?sharetypeblogdetailshareId147616608sharereferAPPsharesource2501_91883294sharefromlink