新智元报道 AI数学，正在越过一个很微妙的分界线。 过去我们问的是：大模型能不能做出一道难题？能不能写出严谨证明？能不能找到人类几十年没发现的反例？ 而现在，一个更像「科研本身」的问题冒了出来：当一条证明路线失败之后，AI知不知道下一步该干什么？是继续算，换路线，缩小命题，还是干脆提出一个新的、可证伪的数学猜想？ 思特雅大学的研究人员曾仔健搭建的AI Has Taste，正在试图把这个问题做成一套可持续运行的研究系统。 项目公开仓库目前记录了453份数学研究手稿、2312页内容，其中6篇被明确归类为「AI-Proposed Conjectures」。 仓库首页给出的定位更直接：From Answer Generation to Research-Agenda Generation——从生成答案，走向生成研究议程。 项目主页： github.com/ArtificialZeng/AI-Has-Taste AI把论文里的猜想推翻了 原作者回信确认 AI Has Taste并不是从「AI一定擅长数学」的信念出发。曾仔健回忆，项目最开始时，他对大模型能否真正推进数学研究并不确信。一次偶然的测试成为转折点：他把一篇论文中的猜想直接交给AI，本来只是想看看模型究竟能走多远。结果AI没有顺着论文继续「证明」，而是构造出了一个反例，直接把这个猜想推翻。 他的第一反应不是兴奋，而是不信。于是，他把反例和推导整理后写信给原论文作者核实。随后收到的回复确认：这个反例成立。对应研究后来也被收录进目前450余份数学手稿中。 「最开始我还不相信 AI 在数学上的力量。直到输入一篇论文的猜想，AI直接给出反例推翻；我立刻写信问原作者，对方回复确认是对的。那之后，我才真正放开手脚干。」——曾仔健 这封邮件改变的不是一个猜想，而是项目的尺度。如果AI不仅能复述已知知识、生成看起来像证明的文本，还能主动攻击论文中的新猜想，并找到一个经过原作者确认的反例，那么它就有机会真正进入「研究循环」。此后，曾仔健才开始把选题、证明、反例搜索、失败管理、独立审查和写作逐步Agent化，并让不同机器长期并行推进。 真正的变化 不是「写了多少篇」 单看数量，453份手稿已经足够吸睛。但如果只把这个项目理解成「AI批量写数学论文」，反而错过了最值得注意的部分。 项目自己反复强调：453是「research manuscripts」的数量，不等于453个原始开放问题全部被解决。产物包括完整证明、反例、局部结果、有限计算证书、结构化约化，以及提出新猜想的论文。AI内部审查也不等于外部同行评审。 真正的变化发生在研究链条上。传统AI benchmark往往从「题目已经给定」开始：人类负责选题，AI负责求解，最后得到成功或失败。AI Has Taste则把流程向前和向后都拉长——AI可以筛选候选问题、比较路线、主动找反例；一条路线失败后，还可以分析失败结构、修改命题，并把新的数学对象交给另一个独立Agent继续攻击。 AI Has Taste的关键不是「更多Prompt」，而是把失败也变成下一轮研究输入。 选题、证明、挑错、写作Agent 这套系统并不是「一个模型在一个对话框里自问自答」。公开README把Agent角色拆成了四层： Supervisor / Screener负责选择候选、比较附近结果并找最便宜的决定性实验； Researcher负责证明、反例和精确计算； Fresh-context Reviewer在新的上下文里专门攻击冻结后的命题、关键引理和证书； Writer / Release Checker负责把最终接受的范围写清楚，并检查引用、构建和发布材料。 曾仔健进一步把工作流部署成多机协作：不同机器可以分别推进证明、搜索反例、跑精确计算、做独立审稿。共享的是冻结命题、实验记录、失败原因、代码和证据，而不是让一个Agent一边生成结果、一边给自己盖章。 多Agent的核心设计：角色分离 + 共享证据 + fresh-context审查。 仓库里有一句话很能概括这种设计：Criticism is part of the engine, not an afterword。批评不是论文写完之后才补的一道手续，而是研究发动机的一部分。 数学家、机器人学者和自动化学者 进入验证链 当研究手稿从几十份增长到数百份，另一个问题随之变得尖锐：谁来判断这些Agent产物不是系统性幻觉？ AI Has Taste内部用fresh-context Reviewer把「研究」和「挑错」拆开，但项目并没有把AI自审当作终点。 随着工作推进，曾仔健也开始邀请不同领域的真实学者参与部分结果的验证、复核和学术讨论。 据项目方介绍，参与部分工作的合作者与审核者包括：马来西亚科学院院士、马来亚大学数学科学研究