我的 X 阅读

CET 时间上午 8:15 正，我开始了为我们数学专业的学生上的第一堂课，标题是“计算机辅助的数学问题解决方案”。不，我并没有料到自己会在这样一个数学史上具有里程碑意义的时刻开始这堂课。那么我做了什么呢？我给学生们讲了一个精彩的故事，讲述从数学数值方法，到符号方法，再到数学证明形式化的演变过程。我们举了很多例子，比如“2 的平方根是什么？”、“Python 中的浮点数真的是一个数吗？”、“证明 1+1/(1+1/(... )) = (1+sqrt(5))/2 中的等式意味着什么？”。我几乎没有谈到人工智能，因为这是关于人类理解的故事。我告诉学生们，现在尤其重要的是要明白，他们需要努力工作才能跟上现实的步伐，而学习即将涌现的美丽新概念将会令人着迷。90 分钟后，他们完全错过了我们应该停下来的时刻，所以我不得不突然暂停。但随后他们留下来，提出了许多问题，比如 SymPy 中的 simplify 策略、真理与可证明性之间的区别等等。他们甚至养成了一种健康的偏执，总是检查他们讨论的变量的定义域。那是一段美好的时光。所以，是的，让这个世界涌现更多这类 AI 生成的新结果吧。我们还在这里，我们需要训练人们去思考。这一点不会改变。而且从现在起，我们可以朝着无限多的全新方向发展。勇敢的新世界！ 引用：我们正在发布一款内部前沿模型产生的大量新数学成果。 我们一直在与高级研究所的独立数学与人工智能顾问小组进行磋商，并借鉴了他们的建议和公开推荐，来指导我们如何发布这些成果。 https://t.co/7N6TPlft1P

顺便说一句，刚开始而已 引用：立即重新关注所有带有格罗滕迪克头像的账号。 他的精神这些天正在造访我们所有人。 上升的海洋——实现了。

根据 Gemini 的解释，上述关于 2025 年的证明并未被全球广泛接受。 因此，截至今年 9 月，弗林特-希尔斯级数是否收敛仍然是一个未解之谜。 所以，这一次，我们取得了突破。

成为大型语言模型认为我们的那个社会 引用：Claude 确信这样规模的事件会成为头版新闻，因为它是从新闻历史中推断出来的……但如今的新闻媒体根本无法处理这类事情，而是表现出极端的回避行为。

但是…… 收敛性证明早已发表。 去年才发表，2025年？ 丢番图 FLINT-HILLS 级数 [JST 机器翻译] | 文献信息 | J-GLOBAL 论坛 https://t.co/nIiPNyikqR “FLINT-HILLS 级数的收敛性证明” .

转帖：我们正在发布一款内部前沿模型产生的大量新数学成果。 我们一直在与高级研究所的独立数学与人工智能顾问小组进行磋商，并借鉴了他们的建议和公开推荐，来指导我们如何发布这些成果。 https://t.co/7N6TPlft1P

弗林特山脉级数沦陷了吗…！ 引用：OpenAI 好像已经解开了。

GPT-6.1 Sol 发现，让便利店盈利的秘诀在于专注于销售烟草盒 这是基准测试的缺陷，还是现实生活的真实写照…… https://t.co/ksPknnlySW

转帖：Claude 确信这样规模的事件会成为头版新闻，因为它是从新闻历史中推断出来的……但如今的新闻媒体根本无法处理这类事情，而是表现出极端的回避行为。

转帖：这条评论是一颗珍宝

这让我整个早晨都开心起来。 最近的结果，比如 3-sum 在 n^1.999 中的表现，以及乘法在 n(logn)^0.999 中的表现，让很多人担心，也许数学终究没有那么美，而“一切都是方块堆积”，只要你挖得够深。 但正如数学中常常发生的那样，一个丑陋的结果只是意味着你选择了错误的视角。 引用：看到了吧？其实一点也不丑 :) @ctjlewis @ojoshe @kleddamag @wand_125 @guzhou0806 @ManassehA06 等人

多么令人难以置信的一系列结果！ 阿贝尔簇的准黎曼假设和霍奇猜想大概是我最喜欢的部分，但还有那么多更小的瑰宝。 我特别喜欢 Fontaine-Mazur 在素数 2 处的模性以及在虚二次域上的模性：这是兰兰兹纲领中第一次真正的人工智能探索。 数学界需要几个月的时间来彻底消化这一切，但有一点很清楚——现在没有任何子领域能逃脱 AI 的影响。 引用：我们正在发布一款内部前沿模型产生的大量新数学成果。 我们一直在与高级研究所的独立数学与人工智能顾问小组进行磋商，并借鉴了他们的建议和公开推荐，来指导我们如何发布这些成果。 https://t.co/7N6TPlft1P

创造与毁灭同时发生，不是吗？ 这值得庆贺吗？ 在数学界，人工智能（AI）产生的海量证明、成果和论文令人欣喜若狂。 然而，与此同时，人工智能驱动的网络攻击正以前所未有的速度蔓延，世界乃至国内都濒临崩溃的边缘。 我们是否正在同时见证人工智能带来的创造与毁灭？ 引述：茨城县、小平市、京都桑加等地的地方政府和J联赛俱乐部的网站均无法访问。 https://t.co/MCvdEDm8H0

主成分分析 (PCA) 是一种广泛应用于数据分析的技术，用于简化复杂的数据集。然而，任何方法都有其优缺点。以下是简要概述！ PCA 的优点： 降维：PCA 有助于减少维度。

转帖：休斯顿，我们这里真的没有云。旧金山也超棒！ 在我们与 @liquidai × @zeticai_ 合作举办的设备端 AI 工作坊上，开发者们制作出了无需 Wi-Fi 即可运行的外星翻译器和语音导航太空探测器。 天空也收到了通知：我们用望远镜看到了土星！ #SFTechWeek @Techweek_ https://t.co/di6loeQyCZ