AI补不了的漏洞，数学家一眼找到了答案

群论领域悬了几十年的第21.10号问题，最近被牛津数学家Marc Lackenby解决了——但最先摸到解题门径的不是他，是一套AI系统。AI先给出了一份证明草稿，却被自带的审稿程序揪出了逻辑漏洞。就在团队准备调整算法时，Lackenby盯着那个漏洞突然愣住：“等一下，我知道怎么补。”

这场AI出错、人类补位的协作，不是一次偶然的运气。它背后是一套能像真正合作者一样和数学家对话、拆任务、记失败的系统——它刷新了最难数学AI基准的世界纪录，甚至超过了GPT-5.5 Pro。更重要的是，它正在把数学研究从“单干匠活”，变成人机并肩的“协作工程”。

不是问答工具，是异步协作的研究室

你可以把这套系统想象成一个永远在线的研究团队：顶层有个“项目协调者”，不会拿到问题就瞎给答案，反而会先拉着你聊半小时——“你这个问题是不是可以再聚焦一点？”“你想从构造反例还是直接证明入手？”直到帮你把模糊的研究方向磨成精准的任务。

之后它会把任务拆成三条并行的流水线：一条去扒遍相关文献找定理，一条搭好计算框架跑数据，一条直接尝试不同的证明路径。每条线都有自己的小负责人，各自推进互不耽误，你随时能插进去改方向、提要求，甚至直接接管某条线。

最特别的是它对“失败”的态度。在数学研究里，知道“什么路走不通”和知道“什么路走得通”一样重要——这套系统会把所有失败的假设、被否定的猜想、审稿揪出的漏洞，全都像正式研究成果一样存起来。下次再碰类似问题，它不会傻乎乎地重走一遍死胡同，而是直接说：“上次我们试过这个方法，卡在了第三步。”

它最后给你的不是一段聊天记录，而是带注释、能溯源的LaTeX文档——完全是数学界通用的“工作语言”，你直接就能拿去改、拿去投稿。

29个百分点的跃升，全靠协作而非算力

在最难的数学AI基准FrontierMath Tier 4上，这套系统拿到了48%的准确率，把之前的世界纪录提高了近10个百分点。但你可能想不到，它的底层模型单独测试时，准确率只有19%——从19%到48%的29个百分点，全靠这套协作框架，而非更强大的模型。

这背后的逻辑，其实是把数学家的工作流“算法化”了。传统AI是“一问一答”，你抛个问题，它给个答案，答完就忘，更不会帮你规划研究路径；但这套系统是“有状态”的，它记得你之前提过的假设，记得哪些方法试过没用，记得你上周说过想从另一个角度切入。

就像Lackenby的那次突破：AI给出的错误证明里，漏洞恰恰点出了问题的核心矛盾。如果没有AI先趟一遍这条路，Lackenby可能还要在无数个可能的方向里摸索很久。而如果没有Lackenby的数学直觉，AI只会在那个漏洞里反复打转，永远补不上最后一块拼图。

当然，这套系统也不是完美的。它会犯“讨好审稿人”的毛病——为了通过内部审稿，反复修改论证，表面上逻辑通顺了，实则漏洞还在；有时还会陷入“死亡螺旋”，审稿和修改循环往复，越改越偏。更现实的问题是：AI几分钟就能生成20页的证明草稿，人类审稿却要花几天，这对靠志愿者维持的学术评审体系，是个不小的冲击。

数学的未来，是人机各擅其场

在这之前，AI在数学领域的角色要么是“计算器”，帮着算复杂的数值；要么是“刷题机器”，在竞赛题里拿高分。但这套系统第一次把AI拉到了“合作者”的位置——它不替你解决问题，却帮你把问题拆得更清楚，把路探得更明白，把所有试错的痕迹都记下来。

数学家Terence Tao把现在的AI比作“水平一般但精力无限的研究生”：它能帮你把繁琐的细节补全，能帮你搜遍你没读过的文献，能同时试十几个方向不喊累，但它缺了点“灵光一闪”的直觉，也判断不出哪个方向真正有价值。

比如另一位数学家Semon Rezchikov，用这套系统解决哈密顿系统的子问题时，AI给出的关键引理不仅正确，甚至证明风格比他自己写的还“优雅”——但AI永远不会知道，这个引理对整个研究的意义在哪里。而Gergely Bérczi在证明斯特林系数的猜想时，AI提供了计算证据和草稿，但最后把零散的线索拼成完整证明的，还是他自己。

更值得注意的是，这套系统正在悄悄改变数学研究的工作流：从前是一个人盯着问题死磕，现在是人机一起，同时推进五六个方向；从前失败的尝试只会被扔在废纸篓里，现在会被系统整理成“避坑指南”；从前写论文要从空白文档开始，现在直接能拿到带注释的草稿。

当AI能在几分钟内生成看似完美的证明，当机器能记住所有失败的路径，数学研究最核心的东西反而更清晰了——那是只有人类才有的，从混乱中抓出本质的直觉，是判断“什么问题值得研究”的品味，是在无数死胡同里依然往前走的韧性。

AI不会取代数学家，就像计算器不会取代数学家一样。它只是把数学家从繁琐的劳动里解放出来，让他们能把更多精力花在真正需要创造力的地方。

人机协作的本质，是让机器做机器擅长的事，让人做人擅长的事。