携手攻克开放研究难题 | Meta AI 研究

Meta的AI模型开始“做数学研究”了。本周，Meta AI研究团队公布了一项与数学家合作的成果：他们用Muse Spark 1.1和1.2模型，通过普通的meta.ai聊天界面（未使用任何定制研究工具），在多个数学领域探索开放研究问题，最终产出六篇论文，其中五篇给出了此前悬而未决问题的答案。这些论文涉及概率论、微分方程等方向，每篇都明确标注了哪些段落由人类研究者起草、哪些由AI起草，并附有第二位数学家的独立审核。 这件事的背景值得说清楚。今年早些时候，Meta的模型在数学、物理、化学五项高中奥赛竞赛中达到了金牌水平，团队由此想验证：AI能否不止于“解题”，而是帮助科学家解决真正没有标准答案的开放研究问题。奥赛题再难也有解，开放研究则不同——没有答案册，没人保证某条路走得通，进展往往来自反复试错、不断推翻重来。Meta强调，这次合作的目标不是批量生产论文，而是帮研究者形成他人能理解、能在此基础上继续推进的数学洞见。 对关注AI能力边界的人来说，这次公布的细节比“AI发论文”的标题更有信息量。以概率论方向的一篇为例，论文回答的是高维随机高斯点拟合椭球体的长期开放问题，给出了可拟合点数的精确阈值：低于阈值时这样的椭球体大概率存在，高于阈值时几乎必然不存在。论文坦承，阈值处的行为仍未解决。更值得注意的是，Meta主动披露，在他们完成工作后，发现有外部团队用不同方法独立证明了相同结果，包括Misiakiewicz与Wen、de la Cerda等人、Koehler与Sohn的三项同期工作，Meta在论文中明确承认了这些贡献并说明彼此关系。这种处理方式，某种程度上也回应了外界对AI参与科研时“抢首发”“贡献归属模糊”的担忧。 从流程设计看，Meta给这套合作定了三条原则：一组数学家主导研究并与模型共同探索思路、发展论证；第二组数学家负责审核；论文须清晰区分人类与AI的撰写段落，并注明所依据的既有研究。这套“人类主导+AI辅助+独立复核+来源标注”的模式，或许比具体结论更值得跨境电商和AI从业者留意——它展示了大模型在高门槛专业场景中落地时，如何用制度设计来控制可信度风险。目前这些论文已随公告一并公开。