AI 智能体能否重新发现 Blaschke 曲线不变量？一项数学推理实验
一次被刻意「隐瞒答案」的数学实验
当 AI 智能体被放进一个受控的数学环境中，只拿到数字坐标，却不知道要证明什么定理时，它能否自行「重新发现」一条隐藏的不变量？arXiv 上最新的一篇论文 《Can an AI Agent Rediscover a Blaschke-Curve Invariant?》（编号 arXiv:2609.38369）正是围绕这个问题展开的。作者 Yunus E. Zeytuncu 将广义 Blaschke 曲线设计为一个可控的「数学再发现」测试场，论文已获 NeurIPS 2026 MATH-AI 研讨会接收为海报展示。
实验是怎么设计的
研究聚焦于一个固定的四次 Blaschke 乘积。智能体在任务中会收到 80 组边界配置，每组对应六条 pair-line 的数值坐标。关键在于：目标定理不会出现在任务说明里。换句话说，智能体必须从纯数值数据中自行归纳出规律，而不是被直接告知结论。
保存下来的研究日志记录了智能体的探索过程，包括被拒绝的几何假设，以及一条拟合多边形边界的齐次三次多项式。这条多项式的系数被「冻结」后，用于预测 80 组未见过参数值所对应的 480 条直线，记录到的均方根无标度残差为 8.88×10⁻¹⁷——这个数字接近机器精度，说明拟合在数值上极其精确。
发现还是拟合？作者自己泼了冷水
论文最值得注意的地方，是作者对结论边界的谨慎态度。
- 发现集对角线只提供了拟合外的一致性检查，并非完全留出的测试集；
- 另一次单配置运行报告称，没有足够证据支持不变性；
- 更关键的是，一个事后审查的确定性次数搜索基线同样能恢复出这条三次多项式。
这意味着，该实验并不能证明智能体相对于普通多项式拟合具有优势。作者明确表示，这只是一个单实例案例研究，其价值在于提出一套协议，把「猜想、数值验证、证明」三个环节分开处理，同时坦承在智能体元数据、先验知识和可复现性方面存在局限。
对 AI 数学推理意味着什么
在当前 AI for Math 的热潮中，这类研究提供了必要的冷思考。它没有宣称「AI 独立证明了新定理」，而是展示了一种更诚实的评估框架：数值上高度吻合，不等于数学上的发现。当多项式拟合本身就能复现结果时，如何区分「智能体的推理能力」与「统计拟合的必然产物」，将成为数学推理基准设计中的核心难题。论文的代码与数据已公开，也为后续复现和对照实验留下了空间。
