一份证据地图梳理数学如何被判断、写作与验证
RexDouglass · x · 2026-07-27
- 作者先给出一个更大的判断：不研究人类行为的领域，往往也缺乏资源与激励去研究自己机构里“产物是怎么被生产出来的”。
- 附图是《An empirical evidence atlas for mathematics》的一部分，作者把数学研究相关证据分散在多个传统里：科学社会学、数学教育、数学实践哲学、文献计量、可重复性、形式化方法和 AI 评测。
- 这份工作是截至 2026 年 7 月的广义范围综述，不是预注册的系统综述，汇总了 80+ 篇报告与项目。
- 其中最重要的不对称是：关于数学家如何阅读、判断、信任、解释、写作和发现数学的实证研究很多，但对“已发表主定理里到底有多少实质性缺陷”几乎没有代表性测量。
- 图中的分类表还把证据分成了同行评审、直接审计、证明验证、信任与认识论、研究过程、协作、可重复性、形式验证以及人类-AI 评测等几大类。
所属事件:元科学视角审视数学可靠性：非例外且易受AI冲击(8 条相关)→
「研究」频道最新
- 前沿 LLM 能多找十倍问题，但评审不是拼找茬数量 — gleech · 2026-07-27
- COLM 2026 论文可走可行动解释性工作坊快通道 — sarahwiegreffe · 2026-07-27
- 推理研究最大变化：从符号轨迹走向自然语言 — denny_zhou · 2026-07-27
- Reddit 长文拆解 Kimi K3 背后的 MoE 和长上下文栈 — MohamedKadri_ · 2026-07-27
- AI 搜索课程讲座力推多向量检索落地 — antoine_chaffin · 2026-07-27
- 一篇经典 OpenAI 论文被称为 scaling 时代起点 — cloneofsimo · 2026-07-27