5篇AI生成的数学论文被接收！00后创始人洪乐潼融资14个亿
一句话看懂：初创公司Axiom Math在2026年2月至5月间提交了8篇由AI系统AxiomProver生成的数学论文，其中5篇已通过同行评审并被学术期刊接收。公司由00后华人洪乐潼创立，已完成2亿美元（约13.56亿元人民币）A轮融资，估值16亿美元，核心是让AI生成可被机器验证的数学证明，而非传统自然语言论文。
事件核心：发生了什么
Axiom Math宣布，其开发的AxiomProver系统于2026年2月开始向预印本平台提交论文，截至5月28日，8篇提交的论文中有5篇已登上正式学术期刊。这些论文横跨数论、组合数学、交换代数、代数几何、表示论等多个方向。
系统工作流程并非直接生成自然语言文本，而是：研究者用自然语言描述问题，系统将其翻译为Lean形式化证明语言，由独立检测器验证每一步逻辑，最后由人类数学家将形式化证明配上解释性文字。其中一篇关于Partition Polynomials的论文，AI证明了6个猜想，并发现了一个原始命题中的反例。
创始人洪乐潼2001年生于广州，MIT三年拿下数学与物理双学位，本科期间发表9篇论文，之后为创业从斯坦福大学退学。合作者包括从Meta辞职的Shubho Sengupta以及放弃弗吉尼亚大学终身教职的数学家Ken Ono。Axiom Prover此前已在普特南数学竞赛中拿到满分，并解决了两个Erdős猜想。
为什么重要
这批论文首次展示了AI可以在“生产可验证的数学知识”这一环节达到学术发表标准。区别于以往大模型写出的“看起来像证明”的自然语言文本，AxiomProver依赖Lean形式化证明系统，每一步推理都由机器检查，消除了幻觉和逻辑漏洞的风险。
从行业角度看，这意味着AI在数学研究中的角色从“辅助灵感”转向“可交付研究成果”。投资者Matt Kraning的评述点明了核心：“AI将编写所有代码，但数学将证明其是否有效。” 如果这套“生成—形式化—验证”闭环跑通，其方法论可被迁移到其他高风险领域（如博弈论、经济学、金融合约验证），突破仅靠大模型输出自然语言的内容生产模式。
对用户/开发者/创作者的影响
对数学研究者：短期内，AI可大幅降低证明中的机械化计算和枚举验证工作量，研究者能更专注在提出猜想和解读结果上。但同行审稿人需要掌握形式化证明工具（如Lean），以验证AI生成论文的正确性。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对AI开发者和创业者：Axiom Math的技术路径代表了一种“可验证AI”的方向——不追求生成文本的“像真”，而追求输出结果可以被第三方工具独立验证。这为医疗诊断、法律文书、金融合约等对准确率要求极高的场景提供了参考架构。
对普通用户：目前影响有限。但若该逻辑扩展到编程、工程设计等领域，类似“AI生成代码+机器验证正确性”的工作流可能会取代部分低风险自动化任务，降低对人工审查的依赖。
值得关注的后续
1. 产品落地进程：目前Axiom Prover对开放问题的证明周期约24小时，如何处理更庞大、更抽象的未解难题（如黎曼猜想方向）将是检验其能力边界的试金石。公司明确下一步要构建“自我改进的超级智能推理器”，周期在5至10年。
2. 学界与期刊的接受度：已有5篇论文通过了同行评审，但若AI生成的论文数量和速度大幅增长，数学期刊和预印本平台可能需建立新的审查标准（如要求提供完整的形式化证明文件）。目前公开信息显示，部分期刊已接纳这种“人机协作”的投稿方式。
3. 竞品与生态跟进：其他依赖大模型的数学研究项目（如OpenAI的o1、DeepMind的AlphaProof）是否会调整技术路线以加入形式化验证环节？国内学术及创业团队是否会在该领域跟进？Lean形式化工具本身的开发者生态也可能因此受益。
来源：量子位 · 每日最新
