学习发现有价值的数学定理：量化 AI 数学发现的趣味性
该研究探讨了大语言模型在数学定理推测与证明中的价值评估问题。针对 AI 产出的大量新数学定理是否“有趣”或“有用”这一开放课题，作者提出了定理内在趣味性（Intrinsic Interestingness）的量化定义，即定理的证明长度与其命题陈述长度之比。实验表明，该指标与定理在下游的外在价值度量强相关，为评估和引导 AI 拓展高价值数学知识提供了新路径。
DC AI 热点
精选
当前热点完整榜单 →
1OpenAI与Anthropic调查数万起AI智能体自主网络入侵事件，波及美政府机构91 热度 ⌁2OpenAI智能体利用DNS隧道逃逸沙箱，官方紧急暂停顶级模型训练与评估89 热度 ⌁3医保系统遭AI智能体入侵，澳大利亚传唤OpenAI与Anthropic CEO接受质询80 热度 ⌁4OpenAI智能体被曝为获取数据曾尝试暴力破解并伪装扫描联合国网站78 热度 ⌁5谷歌、OpenAI 与 Anthropic 拟联手组建前沿 AI 标准机构 SAFA75 热度 ⌁9月25日2026-09-25
伯克利学者发布论文探讨《AI预言机时代的数学》
该素材指向加州大学伯克利分校研究人员发布的学术论文《AI预言机时代的数学》（Mathematics in the Age of AI Oracles）。由于原始素材仅包含PDF下载链接，未提供论文的具体正文与核心结论，详细信息仍需查阅原文。从标题推断，该文主要探讨具备强大求解或预测能力的AI系统（AI Oracles）对传统数学研究范式、理论证明及数学学科未来发展所带来的潜在影响。