就在今天，畢樹超領銜的Meta超級智能實驗室官宣——
在過去短短6個月內，Meta的最新模型Muse Spark已經協助人類數學家連破6大數學領域的開放性難題。
其中5篇論文直接給出了懸而未決的世界前沿問題答案，甚至推翻了現有的群論擬議規則！
前有OpenAI、Anthropic的模型，現在，Meta也來征服這個領域的低垂果實了。
AI顛覆人類數學研究的趨勢，已經不可逆。
正如畢樹超所言：「數學界的AlphaGo時刻，在今年降臨了。」
畢樹超：不是高斯，那就創造一個高斯
MSL的領軍人畢樹超，跟數學有很深的淵源。
他本科畢業於浙大數學系，隨後在UC伯克利拿下統計學碩士與數學博士。
2025年6月，作為「超級智能競賽」中最核心的人才之一，他加入Meta超級智能實驗室，主攻強化學習與智能體前沿。
作為一個科班出身的數學博士，畢樹超在X上寫下這樣一段真誠的話。
作為一個數學專業的學生，我曾意識到，我缺乏足夠的自然天賦去獨立解決那些我無比熱愛的前沿開放難題。正是這種清醒的認知，促使我開啟了機器學習的職業生涯。
從去年開始，我的目標進化了：我不再試圖單槍匹馬地去解決這些難題，而是致力於訓練AI模型來替我們解決它們。
事實證明，這條路走通了。
Muse Spark6個月連破6大數學難題
什麼叫「開放性研究問題」？它沒有標準答案，甚至沒有一條保證能走通的路。向前推進意味著不斷試錯、犯下新的錯誤、解決它們，甚至有時候要推倒重來。
在過去幾個月裡，多位頂尖數學家與Meta的Muse Spark 1.1和1.2模型結成了「科研搭子」。
他們的戰績是極其恐，直接橫跨了機率論、微分方程、群論、最佳化理論、算術物理學、非結合代數六大基礎科學領域，連發6篇重磅論文。
讓我們來看看，「人類+AI」的最強戰隊，拿下了怎樣的驚人戰績。
群論：AI親手寫程式碼，揪出「黑天鵝」
在描述對稱性的數學結構中，M. Kida在2024年提出了一個著名的猜想：每一個具有「半阿貝爾」性質的有限群，也必定具有「單項式」性質。
在數學界，推翻一個規則最簡單暴力的方法就是找出一個反例（黑天鵝）。
在這場搜尋中，Muse Spark直接生成了極其複雜的搜尋程式碼，在龐大的數學軟體系統中找到了一個擁有384個元素的異常群！
論文地址：https://ai.meta.com/research/publications/semiabelian-groups-need-not-be-monomial/
這個群滿足半阿貝爾，卻狠狠打臉了單項式規則。
微分方程：終結「波函數坍縮」的十年懸案
想像一場拔河比賽：一股力量讓光波收縮，另一股力量讓光波擴散，它會永遠集中下去，還是會最終坍縮？
對於受雷射物理學啟發的「質量臨界雙調和非線性薛定諤方程」，科學界自2015年起就留下了波函數坍縮的懸案。
自2015年以來，數學界一直無法用嚴謹方法證明這一點，只能靠2002年的電腦模擬去猜想。
論文地址：https://ai.meta.com/research/publications/finite-time-blow-up-of-radial-negative-energy-solutions-for-the-mass-critical-biharmonic-nonlinear-schrodinger-equation/
這一次，Muse Spark輔助研究員Leonard Dinh處理了海量的偏微分方程放縮計算，測試了多種維裡恆等式的變體，最終徹底證明：在二維及更高維度的徑向對稱負能量條件下，波必然在「有限時間內」發生爆炸坍縮。
機率論：揭開高維空間的「生死臨界點」
在極高維度的空間裡，把一堆隨機散落的「高斯點」擬合到一個完美的橢球面上，這可能嗎？這在低維空間就像試圖用一個圓環精準套中地上所有散落的沙粒。
在數學家Aykut Arslan的引導下，Muse Spark幫助推演了一個極其尖銳的「嚴格閾值」。
論文地址：https://ai.meta.com/research/publications/the-strict-threshold-for-gaussian-ellipsoid-fitting/
AI輔助驗證了極其複雜的機率不等式，證明了：當隨機點的數量低於這個閾值公式時，擬合幾乎100%存在；但只要越過這條紅線那怕一點點，擬合就絕對不可能存在（機率驟降為0）。
一個震撼細節是： 就在這篇論文成型的同時，全球有三個獨立團隊也在死磕這個問題。Muse Spark不僅幫助Meta團隊緊跟節奏，還獨立確立了這個問題的理論極限。
算術物理學：跨越40年，AI串聯數論與弦理論
這是最體現大模型「跨界聯想」能力的一戰。上世紀80年代，數學巨匠Yuri Manin曾設想數論與弦理論之間存在某種隱秘聯絡。
這一次，Muse Spark幫助研究人員將「p進制弦理論」與「數論」這兩個看似天差地別的領域成功連結。
它不僅理解了基於Tate曲線的已知聯絡，更將其推演到了極為複雜的「虧格二Mumford曲線」上。它證明了，在不同的數學語言下，兩者計算的其實是同一個物理量！
論文地址：https://ai.meta.com/research/publications/string-two-point-function-height-function-on-a-curve/
其中，Muse Spark不僅提供了靈感，它還直接起草了這篇論文中的三個核心技術章節！ 包含了極其繁瑣的代數幾何翻譯與候選證明。
最佳化理論：找到完美簡化的終極法則
面對極其複雜的二元多項式最佳化問題，數學家總想通過「鬆弛法」將其簡化。Del Pia等人在2026年提出疑問：這種簡化什麼時候是無損的？
想像三個重疊的文氏圖圓圈。Muse Spark極其聰明地引入了「機率重構」的視角，幫助數學家看清了本質：當兩個圓的交集區域（且不包含第三個圓）中恰好只有一個決策變數時，簡化是完美的；一旦多於一個，就會產生計算鴻溝。
論文地址：https://ai.meta.com/research/publications/tightness-of-the-cycle-based-relaxation-for-completed-length-three-alpha-cycles/
非結合代數：受生物學啟發的代數重構
「演化代數」是受生物遺傳學啟發的數學結構。之前有學者提出了一種測試，用於鑑定某類代數是否屬於「可解」等級。
Muse Spark根據研究員的提示詞，迅速建構了一個精巧的三維空間反例。這個小反例完美通過了前人的測試，但根本不是可解代數。
更絕的是，AI並未止步於推翻，它進一步提出：不能只看單獨的元素，必須引入「整體子空間」的概念來進行替代性表徵。
論文地址：https://ai.meta.com/research/publications/on-solvable-evolution-algebras-and-a-conjecture-by-garcia-martinez-and-perez-rodriguez/
沒有超級電腦，只有網頁端對話
看完這六大突破，如果你以為科學家們動用了Meta內部的超算矩陣，或是搭建了極其複雜的API腳手架，那你就大錯特錯了。
這恰恰是本次事件最細思極恐的地方：所有的數學家，僅僅是打開了網頁端的 meta.ai，開啟了Muse Spark的「思考模式」。 純靠自然語言提示詞，就推倒了世界級的前沿猜想。
這說明，AI的底層推理能力，必然已經跨過了一道門檻。
現在，這6篇論文已經經歷了嚴苛的獨立雙重審查。並且，每篇論文都清晰、誠實地標註了：那一段是人類學者起草的，那一段是AI獨立生成的。
今天，我們在數學領域見證了「AlphaGo時刻」。
因為數學具備高度結構化的嚴密規則與內在的自我驗證機制，當AI已經能夠在這個嚴密的邏輯王國裡開拓時，它的能力必將向外溢出。
正如畢樹超預測的那樣：「雖然物理驗證的限制會導致速度不同，但類似的智能跨越，必將在生物學、化學和物理學中全面展開。」
當數學界的AlphaGo時刻降臨，前方是一片璀璨的無人區。 (新智元)