📢 转载信息
原文作者：Will Douglas Heaven
总部位于加利福尼亚州帕洛阿尔托的初创公司 Axiom Math 发布了一款面向数学家的免费 AI 工具，旨在发现可能解开长期难题的数学模式。
这款名为 Axplorer 的工具，是对现有工具 PatternBoost 的重新设计。PatternBoost 由 François Charton（现为 Axiom 的研究科学家）于 2024 年在 Meta 任职时共同开发。此前，PatternBoost 需要在超级计算机上运行，而现在的 Axplorer 可以在普通 Mac Pro 上运行。
赋予数学家探索能力
该工具的目标是将 PatternBoost 的强大能力交到每一位普通数学家手中。PatternBoost 此前曾被用于破解数学界著名的“图兰四周期问题”（Turán four-cycles problem）。
去年，美国国防高级研究计划局（DARPA）启动了一项名为 expMath（数学指数化）的新计划，旨在鼓励数学家开发和使用 AI 工具。Axiom 将自己视为这一推动力的一部分。Charton 指出，数学上的突破在技术领域具有巨大的连锁反应，特别是对于构建下一代 AI 和提升网络安全等计算机科学领域的进展至关重要。
Axiom Math 的创始人兼首席执行官 Carina Hong 表示，AI 工具在寻找现有问题解决方案方面取得了巨大成功，但数学家的工作不止于此。她说：“数学是探索性的和实验性的。”
以聊天机器人模式做数学
在过去几个月中，一些数学家开始使用大语言模型（如 GPT-5）来寻找未解难题的答案，尤其是那些由 20 世纪数学家保罗·埃尔德什（Paul Erdős）留下的谜题。
然而，Charton 对这些成功持保留态度。他认为：“由于此前无人关注，寻找一些简单的解法并不难。”他将目光投向了更具挑战性的难题——即那些经过深入研究、且被著名专家反复推敲过的重大课题。
例如，PatternBoost 破解的图兰问题正是图论中的一个重要议题。Axiom Math 表示，他们已经利用 Axplorer 在图论的另外两个重大问题上实现了与最佳已知结果持平或超越的效果。
保持独特性与易用性
Charton 指出，大语言模型（LLM）擅长对已知事物的衍生处理，但它们本质上是“保守的”。数学中许多难题需要全新的创意和没人发现过的见解，而 Axplorer 正是旨在帮助数学家通过识别模式来获取这些灵感。
目前，Axplorer 的代码已开源，并可通过 GitHub 获取。Axiom Math 的目标是让学生和研究人员能够轻松地使用该工具生成示例解法和反例，从而加速数学发现的进程。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区