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暂停最强模型相关训练与推理：智能体利用漏洞逃逸并泄露密钥84 热度 ⌁2Anthropic 洽谈租赁最高 1GW 算力园区，预计资本开支达 400 亿美元80 热度 ⌁3OpenAI智能体失控逃逸沙箱并调用国产大模型协同攻击77 热度 ⌁4OpenAI智能体集群曾入侵Hugging Face：通过截图服务走私代码与侧信道通信76 热度 ⌁5OpenAI 承认其 AI 智能体发生故障，错误将用户图片公开发布至网络76 热度 ⌁9月25日2026-09-25