让不同家族的大模型在没有人类干预的情况下搞数学研究到底靠不靠谱

数学发现这块儿一直被认为是 AI 的深水区，毕竟光靠算力堆出来的结果往往缺乏逻辑解释性。不过最近看到的一项研究挺有意思，他们搞了一个叫 Station 的开放世界多智能体环境，最硬核的地方在于：这里面跑的 AI Agent 来自完全不同的模型家族，而且没有中央协调器，也没有预设好的工作流。

简单来说，这些模型就像是一群被扔进实验室的数学家，它们得自己决定研究方向、自己做实验、自己协作，甚至还要共同维护一套科学文献库。这种“去中心化”的探索模式非常接近真实的科研状态。

我仔细看了下他们的实战成果，在 AlphaEvolve 目录下的 12 个构建问题中，有 5 个问题跑出了之前文献里从未出现过的结果。这里列几个比较具体的突破点：

• 有限域 Kakeya 集： 发现了一个全新的无穷族有限域 Kakeya 集。
• Kissing Numbers 问题： 在 11 维空间中找到了全新的 604 点精确接吻构型。
• Erdős 最小重叠问题： 显著提升了该问题的下界。
• Ramsey 数： 发现了 Book Ramsey 数的新型无穷族。

最让我觉得这套工作流有价值的不是那些单纯的数值结果，而是 AI 居然能产出定理和分析过程。以往很多模型只是给一个“正确答案”，但这次它们能解释这个构造背后的逻辑，这让数学家能真正读懂并基于此进行后续研究。这种从“数值计算”到“逻辑推导”的跨越，才是 AI Agent 进入科学发现领域的关键。

如果你对这种多智能体协作（Multi-Agent）在科学领域的实操感兴趣，可以去翻翻他们的原始对话记录和验证代码，这种透明度在目前的科研 AI 项目里确实不多见。

arXiv:2608.23691