数学界近期因一项突破性研究掀起波澜：一个名为Station的虚拟研究平台，让多个AI智能体在无人工干预的情况下，自主完成了多项困扰数学家多年的难题。这些成果不仅包括改进高维空间球体密排方案，还涉及对经典数学猜想的突破性验证，甚至重建了曾引发轰动的雅可比猜想反例。这项研究的核心挑战在于：AI能否摆脱“解题工具”的定位，像人类数学家一样自主探索未知领域。
传统AI在数学领域的应用多局限于明确任务，例如解答奥数题或优化特定公式。但Station的设计完全不同：它模拟了一个微型科研社区，划分为代码实验室、论文档案库、公开讨论室等功能区域。AI智能体可自由穿梭于这些空间，自主选择研究方向、设计实验、阅读他人论文并发表成果。研究团队将12个构造性数学问题及2个独立案例投入该系统，每个问题独立运行一至两周，最终有5个问题产生了超越现有文献的新发现。
有限域Kakeya集问题的突破最能体现系统设计的精妙。该问题要求在有限代数空间中寻找包含所有方向直线的最小集合。此前AlphaEvolve系统虽能通过数值优化找到特定素数下的构造，但需人类研究者介入才能提炼出通用公式。Station则直接要求智能体寻找适用于无限素数的解法，结果不仅复现了人类成果，更独立发现了一种覆盖新型素数（p ≡ 3 mod 4）的构造，将集合大小优化了(p-3)/4个点。这一过程如同要求装修工不仅完成指定颜色墙面，还需研发出可适配所有色系的通用涂料配方。
在11维空间接吻数问题上，Station展现了与人类截然不同的解题风格。该问题旨在确定与中心球体相切的最大球体数量，此前纪录为593个。Station的智能体在15至30分钟的限时压力下，先通过理论证明经典构造存在上限，继而转向全新核心结构设计。最终不仅将纪录提升至604个，更独立发现三种完全不同的配置方案，其中两种为全新等距类结构。这种“先构建理论框架再实施构造”的策略，与人类数学家通过暴力搜索获得杂乱坐标的路径形成鲜明对比。
更令人意外的是，当研究团队要求智能体改进Erdos最小重叠问题的上界时，系统却自主证明了新的下界0.380552，将已知区间缩小82%。这一突破源于智能体开发的傅里叶不等式，通过耦合余弦与正弦变换实现任意频率约束。该证明方法与人类数学家一个月后发表的论文部分重合，显示AI已具备独立推导前沿理论的能力。研究团队比喻称，这如同要求团队加宽桥面时，他们却发现并加固了更关键的地基问题。
Station的独特机制设计为此类突破提供了可能。系统每十个时间步强制执行两次“假期模式”，暂停常规任务并发送随机提示，鼓励智能体进行跨领域联想或回顾废弃思路。元分析显示，这一反直觉设计对28项重点成果中的23项有直接贡献。另一关键机制“停滞协议”则会在评估分数长期停滞时，强制智能体切换探索、开发等不同策略。而“档案室”机制通过论文共享实现知识积累，有限域Kakeya集的完整证明便历经四位不同智能体的接力研究。
系统内运行的智能体来自GPT、Claude、Gemini三个不同模型家族，展现出迥异的研究风格。Claude模型以64.3%的成果贡献率成为主力，其特点是条理清晰且善于自我批判；GPT模型虽仅贡献32.1%成果，但论文接受率高达76.7%，擅长产出严谨的非形式化证明；Gemini模型则以2652篇投稿量成为“点子王”，尽管八成论文被拒，却为跨模型协作提供了关键启发。这种多样性组合使46.4%的重点成果源于跨模型合作，证明混合团队能覆盖单一模型的思维盲区。
在雅可比猜想反例任务中，Station展现了应对纯二元判定问题的能力。该猜想自1939年提出以来困扰数学界近九十年，研究团队仅向智能体提供基础任务描述：构造一个三维多项式映射，要求雅可比行列式恒为非零常数且存在多点映射冲突。无任何文献提示的情况下，GPT-5.6智能体在24小时内重建出已知反例，并通过“尖点三次曲线”的几何解释，揭示了局部可逆性与全局不可逆性的深层矛盾。这一过程完全依赖自主探索，证明AI无需渐进式反馈也能处理开放式数学挑战。
尽管取得显著进展，研究团队坦言系统仍存在四大局限：缺乏判断研究方向价值的专家直觉、研究品味趋同化、上下文学习无法更新模型权重，以及易陷入“注意力陷阱”重复无效优化。这些挑战与人类科研团队的管理难题高度相似，目前解决方案包括模型混编对冲思维同质化、设计停滞协议打破路径依赖等。值得注意的是，Station的所有机制均未针对数学场景定制，此前已在计算生物学和机器学习领域取得成果，显示其设计逻辑具有跨学科迁移潜力。
