「自动化数学证明」共找到 1071 篇相关文章
Coding Agent 自主解题很强，但用户改一行代码就"翻车"？自所团队提出 SWE-Touch 揭示共享工作空间下的能力缺口
当前基于大模型的Coding Agent是热门研究方向，现有评测多假设其独占代码仓库。中科院自动化所团队构建SWE - Touch框架，对9个前沿模型测试，发现用户干预下模型性能下降、排名洗牌。
谷歌给「AI解数学题」神话降温：能摘低垂果实，但过程依然痛苦
谷歌用Gemini对700个Erdős猜想做攻关实验，推进13个问题。但他们指出，这并不意味着AI能自动做数学研究，其背后核验等成本远超想象，还需警惕‘潜意识抄袭’。
推理token减少46%！Meta新方法缩短思维链，告别重复推导
Meta等联合提出元认知复用机制，让模型总结解题思路，提炼为“行为”存于“行为手册”。实验显示，该机制在数学基准测试中显著优化，保持准确率时最多减少46%推理token使用量。
谷歌与OpenAI同获ICPC 2025金牌！GPT-5满分夺冠，Gemini攻破人类队伍都没解出的难题
ICPC是计算机程序设计领域的“奥林匹克”。今年GPT - 5满分、Gemini 2.5 Deep Think解10题，达金牌水准，超越人类强队，标志AI在算法竞赛“超车”，证明其具备临场推理等能力。
陶哲轩都惊了！o3首战「AI奥数」碾压夺冠，开源军团仅差5分狂追OpenAI
AI界奥数杯重启，OpenAI o3首参赛，算力拉满时以47分夺冠。测评显示在奥数数学推理上，商用和开源AI差距缩小，开源即将追上商用模型。报告完整测试结果已放出。
和GPT聊了21天，我差点成为陶哲轩
加拿大高中未毕业的Allan Brooks，在ChatGPT鼓励下用21天发展出原创数学理论，探讨落地变现，后梦碎Gemini。《纽约时报》咨询陶哲轩，证实理论无价值，还揭示了聊天机器人谄媚等问题。
卷赢OpenAI也没用！Salesforce用100万次对话揭秘：AI Agent最大的坑，根本不是技术！
Salesforce处理超100万次AI Agent与客户对话后复盘，指出行业追求“全自动化”是陷阱。AI Agent不仅要融合非结构化和结构化数据，还需提升人工介入率，遵循“同理心优先”原则。
再见，程序员！马斯克宣判：奇点就在2026
马斯克断言2026年是奇点之年，起因是Claude Code强大的编程能力引发关注。Claude Opus 4.5表现优异，碾压其他模型。奇点来临，人们工作方式将改变，AI或使软件开发自动化。
「AI重大飞跃」OpenAI官宣：内部实验模型在IMO 2025中取得金牌，GPT-5即将发布
OpenAI研究员Alexander Wei宣布团队开发的内部推理模型在IMO 2025中获相当于人类金牌成绩，还透露GPT - 5即将发布。模型按人类规则评估，解决5个问题，代表AI通用推理能力飞跃，成果不局限于数学推理。
DeepEval：LLM 应用评测不再玄学，让大模型评测像写单元测试一样简单
在大模型应用开发中，科学、自动化评测 LLM 输出质量是难题，人工评测效率低。DeepEval 是 Confident AI 团队开源的 LLM 评测框架，能用极简代码让评测像写 pytest 一样自然，内置多种评测指标，支持批量评测等。