让 AI 参与研究后，论文里最该留下哪几条证据

当一篇研究里出现了 AI，最容易被问的通常是。

“这到底算谁做的？”

这个问题听上去有点像署名八卦，其实一点也不轻。你把一份模型参与过的技术报告交给客户，或者把一篇人机共同写出的论文交给同行，别人真正想知道的不是它的文风像不像人，而是结论是怎么来的，谁检查过，错了又该追到哪里。

Meta 在 10 月 2 日公开了数学家与 Muse Spark 协作的六篇论文，其中五篇回答了此前公开的研究问题。这个新闻当然很大。开放研究不是做一道已有标准答案的竞赛题，走错方向很正常，甚至推到一半还得掉头。

但我看完最在意的，不是“模型能不能证明定理”这个热闹问题。

而是 Meta 在材料里留下了什么。

数学家选问题、引导探索和发展论证。

另一组数学家复核。

论文标出主要由研究者起草和主要由 AI 起草的段落。

既有工作和同题独立工作也被明确署名。

示意图。模型可以把候选路径铺开，结论仍要经过人类复核与材料追溯才进入交付。

厉害了。一个模型能力发布，居然先把证据链摆在台面上。

研究成果不是一段漂亮结论

很多人已经习惯让模型参与研究。它能帮你整理文献、写分析脚本、找反例、推候选公式、补一版报告。真正危险的阶段往往发生在交付前半小时，大家把一堆很顺的文本和图表拼起来，准备说“结论已经出来了”。

这时最容易丢的，恰好是结论身后的来路。

输入是哪些公开资料和数据。

哪一步是模型生成的假设，哪一步已经经过验证。

哪位专家在什么地方推翻或修改过它。

有没有别的团队在相近时间独立做出了同题结果。

模型写得越流畅，这些记录越不能省。它把中间过程抹得很平，人就会误以为一个结果从头到尾都很自然。其实研究最有价值的部分，常常就是那些被否掉的路线、发现的漏洞和重新定义的问题。

Meta 的官方说法很克制。研究团队不是让 Muse Spark 单独产出论文，而是通过普通 meta.ai 聊天界面使用 1.1 和 1.2 的 Thinking Mode，没有定制研究脚手架。官方也承认，项目完成后发现 Meta 外部团队已经用不同方法独立公布过部分同题解法，并在论文里标注了这些关系。

这个处理比抢一句“我们先解出来了”靠谱得多。科研不是抢答器。尤其面对公开问题，时间线、推导路径和独立贡献本身就是结论的一部分。

官方图展示的是六个方向。更值得带走的，是每个方向背后都要能说清人和模型分别做了什么。

一个 384 阶反例，最适合拿来当验收样本

在群论那篇论文里，团队反驳了一个 2024 年提出的猜想，找到一个 384 阶群作为反例。这个数字很具体，正好能把“模型参与研究”从一句口号落回动作。

官方材料写得很清楚，Muse Spark 生成了用于搜索反例的 GAP 程序。数学家核验结果并完成论证，另有两位数学家审阅。与此同时，Nilradical 智能体在 9 月 16 日已报告另一种反例，Meta 的论文将该工作说明为独立完成。

这里面没有魔法，反而有一套很硬的分工。

模型可以生成搜索程序，快速翻可能的结构。

研究者决定问题值不值得问，判断候选反例是不是正中要害。

审阅者负责从另一个视角找推导缺口。

公开材料负责把先前和并行工作放进正确位置。

这四件事，缺任何一件都可能让一个漂亮答案变得站不住。不是哥们，模型找到了一个数值例子，并不自动等于理论命题被证明。反过来，人类看过一遍也不是终点，复核要能回到原始计算、程序版本和推导步骤。

Meta 另一个案例里，模型帮助连起数论与 p 进弦理论，生成候选证明并起草三个核心技术章节，之后仍由研究者核查、更正和润色。这种表述比“AI 发表论文”朴素得多，也可靠得多。谁参与了什么，谁对哪一步负责，别留给读者猜。

给人机协作成果留一张证据单

不只有做数学的人需要这个。产品团队拿模型分析用户行为，工程团队让模型协助排故，咨询团队用模型起草重要判断，都会碰到同样的问题。结果能不能交付，不只看成稿那一句话，还要看它能不能被接住。

下一次你们准备把模型参与过的成果交出去，可以把下面这张单子贴到评审里。

问题与边界
原始问题是什么，哪些结论不在本次材料的覆盖范围内

材料来路
模型看过哪些数据、文献、代码和假设
哪些材料不能被外部复查，原因是什么

人机分工
模型生成了候选、代码、推导还是正文
人负责了哪些判断、修改和最终结论

独立复核
谁在没有沿用原始提示词的情况下检查过关键步骤
复核覆盖了计算、事实、推导还是表达

并行与归属
已有工作、相似公开结果和并行发现如何引用
贡献者与模型参与的边界如何标注

可复现入口
数据版本、代码提交、运行环境、随机种子或计算记录在哪里
哪些结果还没有独立复现

写这张单子时，最重要的不是让页面看起来更严肃。是给团队留下一句能抵抗自我催眠的话。

“这部分我们还不知道。”

独立复核也别做成“再让另一个模型看一遍”。那只是在同一层不确定性上又铺了一层文字。真正的第二视角，至少要能接触原始材料、重跑关键计算，或者从没有看过原始提示词的角度追问假设。Meta 的案例里，第二组数学家复核正是在承担这个角色。它不保证结论永远正确，却把错误有机会被发现的门留在了交付之前。

研究里最贵的不是不知道，而是不知道却把它包装成已经知道。模型很擅长把空白处补得很圆滑，人更要主动留下空白的边界。

有人会担心，这么多记录会拖慢探索。确实会多一点步骤。可把记录放在结尾才补，通常更慢。那时你已经分不清哪个版本的脚本找到了候选，谁改过关键条件，哪段文字只是模型的草稿，哪段才是研究者认可的论证。

把证据写进过程，反而能让模型继续大胆探索，人也敢更快地否掉不可靠的路。前者负责发散，后者负责让结论落地。这俩角色都很重要，别混成一锅。

Meta 的六篇论文未必能立刻回答所有人对 AI 科研的担心。官方发布也不能取代同行评审和独立复现。但它至少给了一个正确的起跑姿势，别急着把模型推到作者席中央，先问研究里留下了哪些别人能检查的脚印。

如果你们团队已经让模型参与分析或研究，现在最难补齐的是哪一环，分工记录、独立复核，还是可复现入口？