北京
獲陶哲軒轉發，arXiv上的一篇新論文正在引起巨大關注！
擠進前排后發現，原來這是一項由11位全球頂尖數學家發起的AI實驗——
讓AI在規定期限內，解決他們各自在真實研究過程中產生的10道“研究級”難題，以此探索“AI+數學”的能力邊界。
而且走的還是高斯時代的路子——人類先證明出來，但先不公布答案和過程，等到了合適時間再公開，避免AI偷偷看答案。
以前這是一項為保護數學家證明自己優先解決某道問題的做法，而在AI時代卻有了新玩法。
在陶哲軒看來，這項實驗非常有意思：
- 當前“一次性”AI提示似乎難以解決這些問題，但它們已被人類領域專家攻克。可以預見，配備AI工具的其他領域專家也能解決其中相當一部分。這些問題的技術門檻相當高，非領域專家難以驗證AI生成的任何輸出結果
- 因此在我看來，要讓非專家解決其中任何一個問題都極具挑戰性——當然，意外驚喜也并非不可能。在截止期限前，這項實驗能否產生任何顯著成果，將十分值得關注。
好好好，既然老陶如此安利了，咱這就開扒完整實驗過程（doge）。
解完10道數學題，然后…藏起證明過程
概括而言，通過提出一套名為First Proof的實驗方案，這群數學家想做一件事——
檢驗當前AI系統，是否具備獨立解決研究級數學問題的能力。
在這之前，雖然很多商用AI成了數學家手中的實用工具（如用于文獻檢索、代碼編寫、手稿校驗等），但對于AI是否具備他們想驗證的能力，學界始終缺乏相關清晰結論。
這背后一個很重要的原因，就是評測手段的缺失。
放眼市面上的數學AI基準，目前絕大多數都聚焦于競賽題，此類題目雖然便于規模化測試，卻與真實的數學研究存在本質差異（甚至可能存在數據污染問題）。
而數學家面對的真實情況往往是——
問題并非精確定義完成，解法也不存在明確模板，需要在大量試探、修正和結構性判斷中逐步推進。
基于這樣的背景，這群來自斯坦福、哥倫比亞、哈佛等高校及科研機構的數學家們齊聚一堂，設計了10道研究級數學問題，覆蓋代數組合學、譜圖論、代數拓撲、隨機分析、辛幾何等多個數學分支。
這里補充一下，一開始其實是20道題，不過按4個標準篩選后最終只留下了10道——AI能理解問題表述、無隱藏公開答案、作者同意按要求發布證明、每位團隊成員僅貢獻1道題。
完整10道題目指路論文以下位置：
論文表示，First Proof區別于現有基準的地方在于：
- 問題來自數學家當前研究中發現的真實疑問，答案為證明過程，需人類專家評分；
- 問題全公開但答案無任何公開記錄，供社區驗證但不可重復使用，同時徹底消除數據污染；
- 允許AI無限制使用網絡搜索等外部資源，貼近真實研究場景。
劃重點，這10道題均來自作者自身的研究過程，是未來發表成果中的小型核心引理，未在互聯網、會議等任何公共渠道發布，從根源避免數據污染。
每道題的人類證明不超過5頁（適配當前AI的技術限制），且加密發表于下面的這個網站。
最終答案將于2026年2月13日公開，在此之前全球用戶均可以用這10道題來測試他們想要考驗的AI。
GPT和Gemini先來挑戰一波
而在廣發全球英雄帖之后，這群數學家也先自己測試了一波：
邀請GPT 5.2 Pro和Gemini 3 Deepthink，對10道題進行一次性作答測試。
他們明確表示，First Proof僅聚焦數學研究最后、也是最明確的階段——
在問題表述和研究背景已經清晰給定的前提下，檢驗AI是否能夠完成嚴謹的數學證明，而不評估AI提出研究問題、構建新理論框架或發明新定義的能力。
換言之，這是一場單純的能力邊界測試。在假設所有前期研究工作已經完成的情況下，看看AI能否獨立走完“從命題到正確證明”的最后一公里。
而實驗結果顯示：
- 在當前公開可用的最佳AI系統，僅有一次作答機會的情況下，它們難以解答我們提出的多數問題
不過作者也預計，如果允許人類與AI反復對話、追問、引導，就很有可能讓AI給出更好的答案。
再劃重點，為了最大程度減少這一實驗可能造成的數據污染問題，他們還有這樣的舉措：
- 我們關閉了用于訓練和改進模型的數據共享選項，但我們知曉谷歌仍會保留數據3天，而OpenAI會保留30天。
- （即便如此）在整個過程中，我們始終盡力確保所提問題的答案保持私密。
未來，這群數學家也計劃在數月內設計第二套問題集，并在實驗設計上進一步收緊變量——
在與相關模型方達成明確協議的前提下，先讓前沿AI系統完成測試，再統一公開問題與答案，從而將First Proof逐步發展為一個可復用、可比較的研究級數學能力基準。
在此基礎上，實驗設置也將逐步“去人工化”。例如，放寬當前對證明長度、表達形式等人為限制，引入來自不同數學分支的問題，使測試不再局限于某一類技術路徑，而是覆蓋更廣泛的研究場景。
更進一步，作者也明確表示，長期目標并不只是評估AI在“解題”階段的表現，而是逐步探索更高階能力的評測方式，比如這次先忽略的提出新問題、構建新理論框架的能力。
不得不說，以上種種也符合陶哲軒一直以來對AI的判斷——
未來的趨勢不是AI代替數學家，而是講求人機協作。
而First Proof的價值，也不在于給AI下一個“及格或不及格”的結論，而在于第一次用真實、未公開、研究級的問題，來試圖界定AI當前所能觸及的邊界。
換言之，即使只完整解出一道題，也足以成為AI數學研究史上一個值得記錄的節點。
就是這時間會不會有點太短了？（截止到2月13日）
論文：
https://arxiv.org/abs/2602.05192
答案加密地址：
https://1stproof.org/
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
