问题：大模型能力提升引发数学研究与教学变革 随着大模型推理、编码、文献检索和形式化验证等领域的快速进步，数学界正面临一场工具革命。陶哲轩指出，一年前这类技术在数学任务中的表现还像“效率不高的研究生”，但近期在国际数学奥林匹克等竞赛中的表现已提升，甚至能更快攻克部分人类设计的测试题。这引发了两个核心问题：数学研究的组织形式是否需要调整？传统教学中以作业为核心的评价方式是否依然有效？ 原因：低成本试错与算力工具推动能力迭代 与高风险行业不同，数学证明特点是试错成本低。陶哲轩认为，此特性使数学成为检验推理系统可靠性的理想场景。马克·陈补充说，随着系统自主工作时间延长、错误减少，它们更适合承担耗时检索、推导和校验任务。同时，形式化验证工具和计算平台的成熟，深入降低了大规模试验的门槛，推动技术从“展示性”向“实用性”转变。 影响：研究分工细化，教学评价遇挑战 在科研领域，传统数学家通常需要独立完成从命题提出到证明验证的全过程。而大模型和验证工具的介入，可能使研究流程转向类似工业化的分工协作：有人负责提出问题，有人拆解子问题，有人组织验证，工具则承担部分机械性工作。这种模式有望降低复杂项目的人力成本，但也对学术署名和责任界定提出了新要求。 在教学上，影响更为直接。陶哲轩观察到，学生作业成绩普遍提高，但闭卷考试成绩却有所下降，反映出作业完成与实际能力可能脱节。基础薄弱的学生更依赖工具提升成绩，而高水平学生则谨慎使用以避免基本功退化。这使得作业作为评价工具的区分度降低，成为教学改革中亟待解决的问题。 对策：调整教学与评价方式 学者们建议采取系统性措施应对挑战：一是增加线下评价和口头表达比重，通过现场推导、口试等方式检验真实理解；二是改革作业形式，强调思考过程而非答案，要求学生提交思路草稿和错误分析；三是制定工具使用规范，明确其辅助定位；四是优化题目设计，增加开放性和综合性问题，强化概念迁移能力。 前景：协作模式重塑学科生态 长远来看，大模型可能使数学研究协作更紧密，部分环节门槛降低，但对提出高质量问题和构建严密论证的要求不会减弱。教育的重点将从“完成作业”转向培养“提出问题、解释推理、识别漏洞”等核心能力。建立与之匹配的课程和评价体系，将成为高校数学改革的关键。
技术进步正将竞争从“解题能力”转向“提出好问题、构建可靠论证并合理使用工具”的能力。对数学界而言，这是研究方式的升级；对教育界而言，则是评价体系与育人目标的调整。谁能更快适应这个变革，谁就能在新格局中占据优势。