一句话看懂：2026年11月7日北京大学一场AI4Math研讨会，围绕OpenAI产出的722篇数学手稿总结了24条判断，核心观点是数学因有Lean提供的明确reward而率先被AI突破，但出题、洞察和品味仍由人掌握。
事件核心：发生了什么
科内尔博士Jinyan Su在X上整理了北大研讨会“OpenAI 722之后：AI4Math的技术边界与研究范式”的主要结论。素材中的关键信息是：OpenAI已产出722篇数学手稿；Lean为数学提供了封闭环境与明确打分，使模型能高强度搜索和自检；2025年下半年，模型的自我检查能力据称超过北大数学高年级博士生平均水平。讨论认为，2024年是编程、2025年是数学，2026年可能轮到理论物理。
为什么重要
这轮讨论指出，AI公司当前最大的瓶颈之一不是算力，而是缺少足够难的题目来做强化学习，数学家主动出难题反而正中厂商需求。同时，有路线图的问题最容易被打穿，例如极小模型纲领、几何朗兰兹纲领；没有路线图的霍奇猜想仍距解决很远。对行业而言，模型是否具备自检能力，比单次答对更关键，因为它决定能否摆脱人工标注、实现自我提升。需要说明，上述判断来自研讨会总结，并非官方评测结论，具体能力边界仍待独立验证。
对用户/开发者/创作者的影响
对研究者和开发者，最实际的建议是尽快把AI纳入工作流：使用更高价位的会员获得更长推理时间，多与同行和工业界交流，并保留离开AI独立想问题的习惯。评价学生和合作者时，旧标准正在失效，黑板推导、口头解释和提出好问题的能力更值得看。对创作者和传播者，证明不再稀缺后，能把证明读懂、总结并讲清楚的人价值上升。应用数学方向，建模与算法设计仍是短板，端到端跨学科通才稀缺。AI生成的证明答案对不等于推导对，专家反馈仍是关键，随手点的偏好数据可能只是噪声。
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。
值得关注的后续
一是OpenAI 722篇手稿的具体范围和可复现性是否有更多公开信息；二是Lean环境下的自检能力能否在第三方评测中复现；三是AI公司是否会公开征集难题或与数学界建立更正式的合作机制；四是高校与实验室如何调整学生评价和论文分配方式。
来源：@SuJinyan6
