AI 数学怎么发布：数学界列了一份清单

一道证明摆在那里，机器能逐行检查，作者却讲不清它从哪来。这不是技术问题，是发布流程的问题。

一、发生了什么

9 月 29 日，一个关注 AI 与数学的团体发布了一份题为《负责任地发布 AI 生成的数学》的建议文件。文件开头先把话说死了：目前一些前沿实验室正在用不对外开放的专有模型测试高难度数学问题，外界无法接触；他们不认可这种做法，并明确要求停止。

这份清单不是闭门写出来的。发布方说，他们向数学界征集「AI 实验室怎样才算负责任地发布结果」，收到 600 多份回复，最终建议得到了明显多数受访者的支持。

文件把情形分成两类。第一类，有数学家完全理解内容并愿意负责：按传统来，挂预印本、投期刊、做报告。第二类，没人真正看懂：这时实验室要做的就不只是「发出来」。

对于第二类，文件给了两步。

第一步是初次发布，共五条。先用大模型把相关文献翻一遍，即使模型是独立想到的，也要按学术惯例引用最早提出该想法的论文；再让模型把证明改写成符合论文惯例的版本，有导言、有精确的定理陈述，而不是一堆冗长推理和自造术语。然后，结果要存进不受任何 AI 实验室控制的学术仓库，有持久可引用的编号，后续修改有记录，最好还能对论文留言。发布时公开模型名称、使用的提示词、思维链摘要、耗时和算力成本估算。尽可能形式化，形式化产物要符合社区标准；如果会拖太久，就明确写出形式化做到了哪一步。最后，每公布一个结果，要说明 AI 在其中究竟做了什么；如果一次发很多，还要另写一份文件，交代模型在多少个同等难度的问题上失败过，以及这些题目是怎么选的。

文件还专门加了一句：强烈建议实验室不要把发布数学结果当成推广模型的营销活动。

第二步是支持人类理解。文件认为，发布了没人看得懂的成果，实验室就有责任出钱帮人看懂：可以办专题会议和暑期学校，可以办工作坊或长期研究组，可以资助博士后和学生，也可以资助专家写书和综述。但钱给谁，不该由这份文件的作者决定，也不该由实验室决定，而应交给已有评审流程的独立非营利机构。

文件最后谈访问权：专有模型做数学研究，会造出一个两级结构，让实验室跑在整个学科前面；公开模型如果按支付能力分层，会在数学界内部再造一套等级。他们建议向全球数学界提供广泛、公平的访问。

二、跟你有什么关系

做研究的。 以后收到「AI 参与证明」的稿件会越来越多。判断标准可以很具体：有没有交代模型和提示词，有没有形式化，有没有说清哪部分是新的。

在企业里用 AI 产出结论的。 这份清单的逻辑可以平移：交付一个结论时，把过程、工具、成本和不确定性一起交付。只交结果，等于把验证成本转嫁给对方。

看行业的。 这是一次标准制定权的争夺。谁定义「合格发布」，谁就决定了哪些成果能进入学科记忆。

三、怎么用

1. 先做文献比对，再谈新颖性。 模型独立想到不等于首创。清单要求按最早出处引用，这条最容易被跳过。
2. 把过程参数一起发。 模型名、提示词、思维链摘要、耗时、算力成本，五项缺一不可。没有这些，别人无法复现，也无法判断成本是否被隐瞒。
3. 形式化能做就做，做不到就说清楚。 「已形式化」「部分形式化，依赖若干社区公认结果」「未形式化」，三种状态要写明，不能含糊。
4. 一次发很多时，补一份失败清单。 只公布成功案例，会系统性高估模型能力。失败了多少、题目怎么挑的，是同一个结果的一部分。
5. 出钱，但别指定用途。 支持理解的钱应该给，但分配权要交给独立机构。自己出钱自己定方向，理解仍然是实验室的延伸。

四、三个别信的说法

「这只是学术礼仪，不影响结果对不对。」 清单管的不是对错，是可核验性和责任归属。引用、形式化、参数披露，都是让别人有能力判断对错的前提。

「形式化验证过了就没问题。」 形式化检查的是「这个陈述是否由这些前提推出」，不检查问题值不值得做、结果是否新颖、作者是否理解。三者是三件事。

「实验室出钱支持理解，就有权决定研究方向。」 文件明确反对这一点：理解的发展必须由社区主导，即使成果是实验室做出来的。接受资助也不等于给实验室的做法背书。

五、一句话结论

这份清单真正想固定的不是发布格式，而是一条责任链：谁产出、谁解释、谁出钱、谁有权判断——四件事不能都落在同一个人手里。

信息来源

• Responsible Release of AI-Generated Mathematics，2026 年 9 月 29 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 19 日。