午夜#学术新闻#

波兰数学家、算术代数几何专家Bartosz Naskręcki 之前对AI4math持怀疑态度，但今年开始，他相信就算AI浪潮是泡沫，也是会呈现一个泡沫消失另一个泡沫就会接替出现的前景。

有点类似国内早年经济学的自行车理论：经济就像一辆自行车，必须不断前进才能保持平衡；一旦停下来，就会倒下。

他深度参与了几个领航企业的AI4math基准测试。

昨天，他分享了自己的心得

——————————————————————

我想多写一点关于算术代数几何（AAG）中的代理工作流。让我先解释一下这个术语的意思：

* 代数几何 = 通过抽象几何方法研究多项式系统
* 算术 = 数论的研究
* AAG = 通过几何方法研究整数域上的多项式解

（图片 - 来自 CC 和 Codex 的我的工作三个小片段；现在制作论文文档真是件乐事）

AAG 的一个我非常喜欢的特点是，能够通过对对象的显式代数操作来实验、构建并改进你的直觉。这种操作可以用复杂的计算框架来很好地完成，这些框架通常被称为 CAS = 计算机代数系统。有许多这样的框架，突出的开源框架如 OSCAR、PARI/GP、SageMath、SymPy 和 Singular；封闭式/商业化的框架中，有 Magma、Mathematica 和 MATLAB。

当我开始使用代理工作流、Codex 和 Claude Code 时，我在这些框架中编程的能力已经不错，有些甚至很熟练。但代理提供了一个极好的机会，通过辅助编码和在框架间切换来扩展我的技能。简而言之：当我研究一个特定问题时，我不再花费数小时手动编写 CAS 代码来验证某个事实。我可以以写论文的自然水平进行对话，而我生成的代码（或如果涉及外部来源，则是共同生成的代码）始终处于前沿，随时供我检查和修改。这让我能够以思考的速度进行编码，在计算数学的世界中这是前所未有的。即使一年前，工作中的编码部分与构思部分之间的延迟也如此之大，以至于大多数作者都需要一个友好的程序员，一个随时可用的专家，来给我们建议并优化我们的 CAS 代码。

现在不再是这样了。如今，即使只有非常基本的编程技能的专业数学家，也能在代理工作流的帮助下，在几小时内为他们的论文构建高度结构化的数学代码。论文的 CAS 验证，而不是 Lean 形式化！过去曾是负担；现在它已成为一种愉快且备受期待的便利。或许从未来的视角来看，2026 年 AI 最大的成就之一，将是认识到高度结构化的数学子领域中的顶级专家——这些领域充斥着代数和形式语法——已经能够将他们的整个专业流程转化为代理工作流，并发现他们的日常工作现在“只是”硬核思考和构思，让任何繁琐任务几乎变得透明。

与前辈相比，我们在这里失去了什么吗？或许吧。用数学符号进行深刻、扎根的思考一直是更深理解的源泉，雕琢我们通往感受那些对象的感觉之路。但与此同时，我获得了别的东西：时间。当我觉得某个主题值得时，我可以随时深入对象的深处，但现在我可以浏览和扫描更多想法，剔除非常没有前景的分支，只专注于顶级方向。

这是我的示例完整规范提示（适用于 Codex 和 Claude Code 均效果良好）。我还有之前技能和记忆文件，这也很有帮助。

# 的完整计算

针对论文中的两个 K3 曲面



称为 ，我们希望计算 。

在文件夹 中，你有一些我们迄今尝试过的想法。

在文件夹 中，我们有一个用于计算 的代码。

在仓库 中，我们收集了用于计算 各种不变量的算法。

我想结合上述发现的方法，并可能添加从网上找到的更多内容，以完成曲面 的 结构。

我们可以使用 （在 codex 技能文件中搜索此技能）和 。我本地安装了 Magma，但仅非常适度地使用它。一般来说，不要过度使用本地 CPU 和 GPU 资源，但如果涉及一些小计算，使用它们是可以的。

文档应包括：
- 记忆文件
- 日志文件
- 计划文件
- 包含所有知识库的 Obsidian 保险库
- Jupyter Book，用于全文友好的文档，包含数学公式、代码和链接
- Magma、SageMath 中完整可编译工件集合
- 本地 git 仓库
- 私有 GitHub 仓库

——————————————————

现在处于这样的境地：数学人口中极小一部分人已经用上了Fable或即将推出的 GPT-5.6，而其他人的AI体验仅限于 8-30b 模型级别——谷歌的AI 、Meta AI、ChatGPT 免费版，最多也就是 MS Copilot。

前沿AI模型至少和一位扎实且不知疲倦的博士生一样出色。

昨天用GPT-5.5 Pro简化了GGP周期公式的局部积分。这类原本需要数周的苦工现在只需一天，这让数学家越来越像指挥家，而不是身兼整个乐团的角色。