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团队定义定理有趣度指标，AI数学发现效率提升4.3倍(4 条相关)→
「研究」频道最新
- 研究称人格向量在预训练 0.22% 进度即形成,论文入选 NeurIPS — burny_tech · 2026-09-27
- VLA-REPLICA 落地 NeurIPS 2026,新增 MolmoAct 2 与 GR00T N1.7 评测 — YuXiang_IRVL · 2026-09-27
- AI 评审同行论文引争议,研究者集齐 7 篇关键论文回击 — sethlazar · 2026-09-27
- 新优化器 Tauon 小规模测试超越 Muon:损失更低、每步快约 8.5% — kkkrlklo · 2026-09-27
- Rufus-Air 论文：按奖励可靠性排序 post-training 阶段炼出开源模型 — burny_tech · 2026-09-27
- DeepMind 发布 AGI 经济政策框架:评估 11 种干预措施 — CurieuxExplorer · 2026-09-27