给数学家配一支“Al课题组”：Eureka来了

7月 14, 2026 1 分钟阅读时长

原创｜中国科大九重团队｜九重JIUCHONG｜2026年7月14日 18:21｜安徽

如果你给一个AI一道尚未解决的数学难题，会发生什么？

几年前，答案几乎是确定的：算个积分、搜几篇文献、整理一下公式。至于真正的研究，比如提出思路、展开推导、寻找反例、审查结论，那是人类数学家的事。

但到了2026年，这条边界正在被重新定义。

中国科学技术大学 九重团队 自主研发的 Eureka自动数学研究平台 ，正在尝试一件不一样的事：让AI像一支小型课题组一样，参与到真正的数学研究中来。它不是一个“更聪明的聊天机器人”，而是一个完整的、可追踪的科研过程。

它不是聊天机器人，而是一支“AI课题组”

传统AI的模式是“你问一句，它答一段”。但数学研究从来不是一问一答就能完成的。

在 Eureka 中，多个AI扮演不同的研究角色：

· 有的负责拆解问题、规划进攻路线；

· 有的负责数学推导、数值计算和程序实验；

· 有的负责寻找反例、挑战结论边界；

· 还有的专门扮演审稿人，逐条检查逻辑、条件和证明细节。

这些角色协同工作，不断交接、反馈和迭代，逐步形成一棵记录不同思路与结论的 “探索树”。成功的路线继续深入，失败的路线同样被完整保留。因为在数学研究中，知道“哪些路走不通”，往往也是重要的知识。

人机协同是 Eureka 的另一核心设计。AI负责大规模检索、计算和重复核查；人类研究者负责提出真正重要的问题、把握整体方向、对关键结论作出最终确认。在每一个重要节点，研究者都可以随时介入：补充文献、调整目标、终止分支、修改路线。

Eureka追求的，不是让机器取代数学家，而是建立一种新的协作方式：让机器承担高强度、重复性的环节，让研究者把精力留给真正需要洞察与创造力的部分。

你可能会问：既然大模型已经很强了，为什么不直接把问题交给一个模型，让它从头做到尾？原因在于，严肃的数学研究不能只依赖一次看起来很精彩的回答。

单个大语言模型存在几类结构性局限：

单一路径生成，难以主动回溯。

真实的数学研究从来不是一条直线。研究者需要拆解问题、提出多个猜想、并行探索不同路线，并在发现方向错误后及时回退。单个模型很难稳定地完成这种长期规划。

表达流畅，不等于结论正确。

大模型可能写出一段符号规范、逻辑看似连贯的推导，却在某个条件、等价变换或边界情形上出现错误。在数学研究中，最危险的并不是“没有答案”，而是一个错误答案看起来太像正确答案

自我纠错缺乏独立视角。

当模型在推导中犯错时，它未必能够准确定位错误所在。因为“提出结论”和“审查结论”的是同一个系统，缺乏真正独立的视角。

Eureka的解决思路，是把可靠性设计进整个研究流程。 它不把希望寄托在某个模型的一次输出上，而是让多个角色彼此协作、彼此制约。每一条重要结论，都需要经过多轮、独立的复核。可靠性不来自某一个模型足够“聪明”，而来自一个结论能否经受反复、独立的检验。

Eureka 不只是一个概念原型。截至最近一周的运行数据，平台已有上百位注册研究者，系统正在同时推进两百余个研究问题，覆盖微分几何、代数几何、拓扑、数论、组合数学、动力系统、PDE、概率论等多个方向。

更重要的是， Eureka 已经产生了一批经过独立复核的研究结果：

· 借助分支过程表示，证明了一族演化网络度分布的精确幂律尾渐近，并揭示其中的对数周期振荡；

· 证明了某类随机生长树完成时间的精确对数渐近，建立匹配下界，并解决了原有猜想；

· 完整刻画了单位复球上一类算子在不同加权空间之间的紧性阈值。

这些结论不仅经过系统内部独立审查角色的逐条审计，也已接受人类专家的独立复审，后续将陆续发布在arXiv上。

“Eureka”源于古希腊语，意为“我找到了”。

我们研发 Eureka ，不是为了让机器取代数学家，而是希望重新分配数学研究中最稀缺的资源——人的注意力。把文献检索、重复计算、程序验证交给机器，让研究者把时间留给提出重要问题、发现新结构、创造新概念，并对研究结论作出最终判断。

未来，数学研究或许不再只是一个人独自推演，也可能是一位研究者带领一支由不同智能体组成的“AI课题组”，共同探索未知。

让更多的 Eureka 时刻，在更系统、更高效、更可靠的探索中，更快到来。