AI 编程实时动态与要闻

OpenAI 于 2026-10-06 发布 Sharing AI progress in mathematics，把一个尚未发布的内部前沿模型产出的数学结果整体公开到 openai/math（Apache-2.0）：722 篇手稿归入 372 个结果族，来自约 4,000 道开放问题的评测，平均每个结果耗费约 3 小时 ChatGPT Pro 思考算力；附 10 份推理摘要与部分 Lean 形式化证明。OpenAI 承认未形式化结果可能存在问题，且尚未经同行评审。

查看大图

随着强化学习（RL）将基础大语言模型淬炼为各自在数学解题、代码生成或复杂指令遵循上登峰造极的“单项专家”，产业界迫切需要将多个垂直专家的能力融合为同一个全能学生模型。多教师同策略自蒸馏（MOPD）通过为各领域的 Prompt 动态分派专属专家教师提供逐 Token 监督，然而实证揭示了严重的“多师融合退化”：在 Qwen3.5 三大尺寸模型上，学生模型往往被指令遵循教师所主导，数学专家的高阶推理红利被严重稀释淹没。南洋理工大学与清华大学团队在论文《Beyond Teacher Assignment》（arXiv:2609.35347，社区近 180 赞）中揭露了深层机理：指令遵循的梯度反馈离散度（Spread）数倍于数学反馈，在更新中形成不公平垄断。团队提出领域归一化多教师蒸馏（DN-MOPD），依据各领域的实测散度自适应缩放反馈权重，在 6 大基准测试中全面压制传统 MOPD，成功夺回失落的超强数学逻辑能力。

查看大图

多教师在策略蒸馏（MOPD）试图将数学、代码与指令遵循等多位顶尖专家模型的能力整合进单一学生模型，但实测发现学生模型表现往往不敌单一专家且数学能力严重丢失。新加坡科技设计大学等团队研究揭露：指令遵循教师的反馈梯度分布范围比数学教师大数倍，造成非对称的强权支配与梯度稀释。团队提出领域归一化多教师在策略蒸馏（DN-MOPD），在 Qwen3.5 全尺寸模型与六大基准上全面挽回流失的数理专精，跨随机种子稳定超越基线。

查看大图

纽约大学（NYU）联合 Google DeepMind 杰出科学家 Rémi Munos 等在 Hugging Face 与 ArXiv 正式公开了《Learning to Discover Interesting Mathematics》（arXiv: 2609.28603）。随着大语言模型在形式化数学证明（Lean 4、Mathlib）中展现出强悍的求解能力，AI 已经能够轻易生成成千上万个冷僻枯燥的平凡定理，但大模型究竟能否自主识别出“真正有学术价值且有趣的数学新知”始终未解。团队首创以“证明长度与命题表述长度之比”作为定理内在趣味性的量化指标，并训练了 27B 参数的证明难度预测模型，使系统能够在无人预设目标的情况下，自主猜想、筛选高价值定理并自我扩建形式化数学知识库。

查看大图