最初令受访者信服的能力，是模型能快速发现某个所谓开放问题其实已有解答，并给出相关文献。此后，他们又找到约十个类似案例。更近期的结果则不再只是跨领域检索，而是需要模型组织多段相互依赖的推理，完成专业数学家级别的证明。
为什么重要: 这意味着AI在数学中的角色正从知识入口升级为研究合作者，其价值覆盖发现、推理和证明。
支撑证据
وفي إحدى المرات، أدخلته في GPD5، وبعد خمس دقائق وجد مرجعاً
数学家经常产生可能有效的想法，却会因细节繁复、时间有限或成功概率太低而放弃。模型没有同样的机会成本，可以耐心处理参数次序、边界条件和长链条论证。访谈认为，许多所谓突破并非来自怪异的新方向，而是把一个看似普通、曾被人放弃的方向真正做成。
为什么重要: AI可能系统性地开发大量“已有好想法但无人愿意承担执行风险”的可达成果。
支撑证据
غالبًا ما تراودك فكرة وتظن أنها قد تنجح، ثم تحاول لبضع ساعات أو أيام أو أسابيع، وفي مرحلة ما تستسلم.
受访者观察到，模型会尝试多条路线，但不会穷举所有可能性。它结合已有知识与数学判断缩小搜索树，识别有希望的方向，并在犯错后重新评估。其摘要推理更像专家同事分享的工作笔记，而不是随机猜测的结果。
为什么重要: 这削弱了“AI证明只是幸运采样”的解释，也表明判断力已经内嵌于实际解题表现。
支撑证据
هي لا تجرب كل شيء حقًا. إنها تجرب الكثير من الأشياء المختلفة. إنها مثابرة للغاية
| 高维球堆积与编码 | 非sofic群 | |
|---|---|---|
| 核心目标 | 确定线性规划界的高维渐近值及框架极限 | 证明存在不能由有限群近似的群 |
| 主要工具 | 复杂分析、线性规划、表示论 | 群论、组合障碍与已有代数结果 |
| 关键贡献 | 既构造达到界的函数，也证明框架内无法更优 | 排除前人无法排除的异常机制，给出直接反例 |
| 结果风格 | 短而自然，看到后像显然正确的路线 | 约十五页，远短于相关数百页间接结果 |
正在恢复最近的对话...
这场访谈围绕一个关键转变展开：AI正在从数学辅助工具变成能够参与前沿研究的推理者。两位数学家因模型找到遗漏文献并解决开放问题而加入OpenAI，随后观察到模型可以筛选思路、修正错误、重启探索，并把人类常因时间和风险而放弃的路线推进到底。访谈以高维球堆积、球面码、二进制纠错码和非sofic群为例，说明模型不仅复现已知技巧，还能连接复杂分析、线性规划与表示论，给出短而自然的新结果。不过，模型仍高度受任务指令约束，可能在完成局部目标后停止，尚未稳定承担自主选题和长期研究管理。受访者因此设想由多个模型或人机系统分离“判断”与“执行”。他们预计数学产量和理解速度都会上升，证明之外的验证、讲解、知识组织及问题选择将变得更重要，而应用数学及非专业人士使用高级数学的门槛也会显著下降。
从访谈案例中归纳出的高层模式与潜在含义。
访谈明确讨论的能力、证明路径与研究组织方式之差异。
受访者对数学研究、职业角色和应用扩散的预测。
访谈中提出的主要怀疑，以及受访者给出的回应。