至优进化开源 AI4Math:重构长程数学推演工作流
RSI × MATHEMATICS
至优进化专注于前沿自进化算法(RSI)研发,刚刚正式开源 AI4Math,一套专为辅助 AI 持续推进数学研究的本地化工作台。
依托自进化闭环与多智能体协同机制,AI4Math 将公式推导、文献查证与结果核验锚定在同一课题下,让模型从核验反馈中持续修订方案,实现步步留痕、有据可依的长程数学攻关。
1931年,哥德尔发表不完备性定理,打破了用完备公理体系一劳永逸解决所有数学问题的幻想。
此后数学界愈发清醒,前沿难题的突破,极少依赖某一次孤立的灵感,而是在无数次试错、推翻与修补中步步逼近。
然而,当前大模型走上数学研究前线时,却常陷入三种尴尬:
01 “金鱼式记忆”
推演刚过几轮便遗忘初始边界,导致前功尽弃、被迫重启;
02 “盲目自信”结案
抽查几个特例或代码跑通无报错,就草率宣布定理成立;
03 “削足适履”圆谎
为凑出证明链条,引用定理时悄悄忽略前提,把局部特例偷换成普遍真理。
指望靠聊天框里的单轮灵感啃下硬骨头,无异于缘木求鱼。
AI4Math 正是用一套严密的工程规矩,让每一次推演都能留得住、查得清、接得上。
一、告别“写满就擦的黑板”:打造可接续的本地工作台
传统对话框就像一块巴掌大的小黑板——写满就得擦掉,下一轮推演只能从零起头。

AI4Math 在本地搭起了一座“不断电的科研工作台”: 每一轮推演攒下的引理、还缺的拼图、往哪条岔路走,全部落盘留存。一旦接入外部推导与检查工具,新任务就能顺着之前的进度条直接接续。
研究启动时,研究者与 AI 先把待证明结论和约束条件钉死,再将主命题拆解为一环扣一环的证明步骤。
工作台会自动织出一张证明依赖图(如第3步引用了第2步),局部修改波及范围一目了然,做到牵一发而动全身。
二、“做账”与“审计”彻底分离:给推演立下硬规矩
大模型做科研,最怕“左手写推导,右手盖公章”。
AI4Math 在系统底层划下一道硬杠杠:“做账”(提出结论)与“审计”(检查结论)必须彻底分家。
01 三支小队分工接力
同一课题下多路线并行。
主控 Agent统筹全局方向与弃坑时机;研究 Agent负责推公式、写构造、跑验证代码;文献 Agent专门翻找原文依据——哪怕某条路卡在文献核查上,其他分支依然照常推进,绝不全盘停摆。
02 贴上四种刚性标签
资料、输入、产物各自归档对齐。
计算结果交由独立程序验算,数学证明走独立验证或人工审阅。所有结论严格贴上「已证」「已证伪」「有限支持」或「未知」标签,没有模糊地带。
03 死守证据边界
代码跑完没报错,只代表程序没崩溃,不代表数学逻辑对;结论能走多远,只看实打实的证据。
04 文献条件逐字验票
引用外部定理必须对照原文核对前提(若要求有限对象,绝不往无限集合上硬套)。一旦条件不符立刻亮红灯,自动转入下轮待办。
三、把“错题本”变成护栏:从核验反馈中实现自进化
哲学家波普尔曾说,科学知识的增长,正是在不断提出猜想并经受严苛反驳的循环中实现的。

AI4Math 的自进化,不是让模型盲目再试一次,而是让方案顺着核验反馈长出肌肉记忆。
每当推演碰壁,失败原因会被立刻提炼成硬性新约束,写进下一轮的行动指南。
每次修订方案时,系统不仅记录改动依据,还会把历史上抓出来的“旧反例”重新放回测试集。
这就像严谨的导师不仅盯着你订正错题,还要把当年的经典题型拿出来再考一遍,确保不会在老坑前跌倒。
尾声|开源共建:让每一次推演都经得起检验
目前,AI4Math 开源仓库已包含任务组织、文献管理、证据登记、运行示例及使用说明,支持在本地一键搭建研究工作区并接入推导与检查工具。
我们相信,AI 科研的价值不在于生成流畅文本,而在于建立可检验、可留存、可接续的严谨工作流。
欢迎数学与科研工作者、工具开发者及开源贡献者下载体验、复现验证,共同完善这一本地科研工作台。
GitHub 开源地址(欢迎 Star ⭐️ 支持)
https://github.com/ziyor-ai/ai4math
业务联系:





