世界顶级数学是如何度过五五月天假期的？田野奖章的获胜者Tao Zhexuan似乎正忙于发布自己的开放资源项目：“我在大型模型的帮助下写了一份软件工具概念概念，以证明是否涉及任何积极参数的给定估计值是真实的（在连续因素范围内）。”项目地址：https：//github.com/teorth/estimates在此项目中，Tao Zhexuan开发了一个用于估计自动（或半自动）证明分析值的框架。估计值是X≲Y形式的不等式（在notymptotic符号中表示X =或（y））或X≪Y（在渐近符号中表示x =或（y））。为什么需要制作这样的工具？首先是Man Zhexuan和Bjoern Bringmann（Zhexuan医生的前学生，现在是普林斯顿大学的助理教授）的最新讨论。对于代数字段，微积分和数字分析中的许多数学活动，符号数学软Ware软件包非常“开发”。但是目前没有类似的复杂工具可以证明渐近估计 - 当损失保持不变时，应处理任何大型参数的不平等。尤其重要的是该函数的估计值，其中参数涉及未知函数或依从性（存在合适的函数，例如空间）。道Zhexuan在博客上写下了两个人的结果，重点是简单的渐近估计，也就是说，涉及有限数量的正实数，并使用诸如添加，增加，分裂，指数，最小值和最大值（但不是降低）等算术操作（例如添加，增加，指数，指数，最小值和最大值）进行的piinclud。 “我希望过去有一个工具可以自动确定这种估计是否为真（如果是真的，它给出了证明；如果这不是真的，则给出了渐近反例）。”现在，这种愿望已经实现。我们都知道Zhexuan Man非常喜欢使用大型模型来帮助LVE数学问题。过去的大多数是完成编码时更简单的任务，例如计算然后绘制一些稍微复杂的数学功能，或在某些数据集中进行一些基本数据审查。目前，他决定给自己一个更具挑战性的任务：编写一个可以处理未经注意的形式不平等的验证者。例如，典型的不平等可能是弱算术平均几何不等式。如果ABC是任何积极的实际数字，在这里，我们愿意失去与估计值相同的未指定（繁殖）。原则上，这种类型的简单不平等可以通过强大的分裂案例自动解决。这种类型的不平等问题并不难解决MANU -MANO，但是某些应用需要大量不平等的测试或将其分为大量案例。这项工作似乎非常适合自动化，尤其是在现代技术的帮助下。此时使用的AI工具Tao Zhexuan仍然是C帽子。经过大约四个小时的编程后，在大型模型的经常帮助下，他成功地创建了概念工具的证明。同时，Zhexuan还发布了与Chatgpt沟通的过程，这并不难找到。沟通过程有点长。链接：https：//chatgpt.com/share/68143a97-9424-800e-b43a-ea9690485bd8最初，曼·Zhexuan（Man Zhexuan Zhexuan问：“我看到您实现了 + add，这很棒。那么，实施 *和 /？的相应方式是什么，” chatgpt也提供了一个答案：在整个过程中，陶Zhe继续询问，而chatgpt也回答了问题和答案。如果这是一个简单的问题或一个复杂的问题，Chatgpt解决了：y最后，在Chatgpt的强烈帮助下，Tao Zhexuan完成了概念软件工具的证明。实际上，在许多众所周知的数学家中，Tao Zhexuan是Tao Zhexuan是第一个获得的数学价值之一，并发现了许多AI模型的数学价值。 2026.”陶兹族人使用大型模型不止一次进行研究。他在GPT-4的帮助下成功解决了数学证明的问题（GPT4提出了8种方法，其中1个方法成功地解决了问题），并且在他的论文中也发现了一个ai the Toction and Toction and Toction and Intys Intical Intical，在他的论文中也发现了一个隐藏的错误因此，好处可以有所帮助。这是自动的。”返回整个PRocess，我们将从Tao Zhexuan的经验中获得一些灵感。开发和使用大型模型可能只是冰山的尽头，许多功能都在等待每个人解锁。