教 LLM 判断定理有趣度，AI 自主数学发现效率提升 4.3 倍
burny_tech · x · 2026-09-27
Niket Patel 团队（@niketnpatel、@KempeLab）的新工作瞄准 AI 数学发现的下一个瓶颈：LLM 已能证明困扰数学家数十年的结果，但在无人类引导下「找到有趣的定理」仍是难点。
团队给出了一个量化定义的「有趣度」（interestingness）指标，并训练 LLM 朝这个方向优化，实现有趣度提升 4.3 倍，同时构建了一个自我扩张的发现循环（self-expanding discovery loop）。
所属事件:NYU 团队教 LLM 判断定理有趣度，自主数学发现效率提升 4.3 倍(5 条相关)→
「研究」频道最新
- 形式化验证让 AI 编码更快：Lean 证明成为 agent 优化护栏 — bigdata · 2026-11-11
- 教授用纯 NumPy 从零搭建交互式神经网络教学笔记本 — GeostatsGuy · 2026-11-11
- 新 benchmark Continual-ARC:主流 agent 都学不会经验,9B 模型微调可以 — Med1_Ai · 2026-11-11
- Science 子刊：好的对话呈现'粉噪'式的语义波动模式 — _akpiper · 2026-11-11
- 研究：近半数 STEM 博士论文用 AI 写，仅 4.7% 主动披露 — paulnovosad · 2026-11-11
- AlphaGenome 2 商业 API 上 Google Cloud 私测，权重承诺未来开源 — anshulkundaje · 2026-11-11