微软研究院与合作者借助人类指导的 AI 解决 KLS 猜想
Solving a 31-year-old grand challenge in mathematics – the KLS conjecture
- 谁
- Xinzhi Zhang and Zhao Song
- 时间
- 引文
The authors proved that the small errors introduced at each stage shrink fast enough that their total remains bounded by a universal constant, independent of the dimension.
发生了什么
微软研究院的 Xinzhi Zhang 与合作者 Zhao Song 报告称，他们证明了这个提出 31 年的 KLS 猜想，为对数凹分布建立了一个与维度无关的普适界。研究人员指导 AI 智能体探索了 100 多种候选方法，随后开发出递归改进方法，完成了证明。文中介绍了独立完成的证明，以及之后结合他们的关键判据与其他研究成果进行的 Lean 4 形式化工作。
推荐理由
这篇报道提出了一种可迁移的研究方法：通过人类反复筛选 AI 的搜索轨迹，并将其与使用大致相同总 token 预算、但缺乏引导且未能成功的尝试进行对比。
这件事到目前为止
微软研究院的张新知及其合作者赵松报告称，他们证明了提出 31 年的 Kannan–Lovász–Simonovits（KLS）猜想，为对数凹分布建立了一个与维度无关的通用界。 据微软研究院介绍，研究人员引导 AI 智能体探索了 100 多种候选方法，随后通过递归改进完成证明。他们的论证表明，各阶段引入的小误差缩减得足够快，因此总误差仍受一个通用常数限制。微软研究院还介绍了独立完成的证明，以及随后进行的 Lean 4 形式化工作；该工作将作者的关键判据与其他研究成果结合起来。
继续阅读
最新日报 · 第 28 期Mistral AI 发布 Voxtral 3 语音模型和语音智能体 SDK正在热议
明早 08:00 把这样一份日报发到你邮箱
和上面这份一样：几件值得看的事。免费，点确认信之后才会开始发送，每封信都能一键退订。 看一份往期日报 · 2026-10-21