在 12 个取自 AlphaEvolve 研究的数学构造问题中，Station 在 5 个问题上不仅取得了新结果，还让智能体从计算实验中提炼规律、解释结构，并给出了证明。
AlphaEvolve是Google DeepMind一个知名AI自动研究的系统，市面上的竞品往往能够在一个任务上超过他们就值得宣传。AlphaEvolve能让 AI 搜出一个更好的数学构造，已经很有看头。
但是Dualverse AI 团队想用Station把这件事再往前推——
比如，找到的例子为什么成立，里面藏着什么规律，这些规律能不能用在更多情形上？
Dualverse AI的新文章，《Autonomous Mathematical Discovery in an Open-World Multi-Agent Environment》记录了这次尝试：
让多个 AI 智能体进入 Station，让它们自己选方向、做实验、交流成果，还能读同伴的研究，在前辈智能体已经做到的地方接着往下做。
结果，其中 从AlphaEvolve选取的12个问题中的5个问题取得了相对于已有文献的新突破！
更有意思的是，智能体还证明了原任务之外的定理，解释了新构造背后的数学规律，连外部数学家也认可这些额外分析的价值。
01｜结果更好：12 个数学问题，5 项突破
1.十一维接吻数问题
我们可以这样理解接吻数问题：最多能有多少个同样大小、互不重叠的球，同时接触中央的一个同样大小的球？
AlphaEvolve 找到了 593 个点的构型，结果Station 不止找到了三个精确的604 点构型，还能解释它们如何生成！
Station 的结果证明，在十一维空间里，至少可以做到 604 个。而且三个构型中，一个是对已有成果的独立再发现，另外两个具有新的结构。这是目前已知第一个开源出完整604解法并给出3个互不同构的几何构型的工作！
图 3｜三个十一维 604 点构型在同一投影下的展示。图中的三维外观是高维构型的投影，不代表球实际位于三维空间。来源：论文 Figure 10。
2.离散 Kakeya 针问题
在指定的离散设置下，把各个方向的线段安排在尽可能小的面积里。在规模为 128 的测试中，Station 把 AlphaEvolve 的面积结果从 0.114810 降到了0.107067，改善约 6.74%。
加上有限域 Kakeya、符号不确定性和 Erdős 最小重叠问题，这 5 个问题都取得了文献层面的新结果。
剩下的问题中，Station 还有 3 项超过 AlphaEvolve、2 项持平。
另外，这“5 项”问题的突破，也不只是“超过 AlphaEvolve 五次”……
02｜研究更广：原题之外，也能找到新方向
Erdős 最小重叠问题就是一个例子。这个问题中，精确答案未知，现有上下界把答案夹在中间；上界越低、下界越高，答案就越近。
我们要求让智能体降低上界，但它们却证明了一个更高的下界，将参考文献中上下界的距离缩小了约 82%！
这代表着智能体没有只沿着指定方向优化，而是顺着线索推进了问题本身。
03｜理解更深：任务之外，新的定理
不同于AlphaEvolve只能给有限的构造打分，Station中的智能体却从它具体例子中找到了通用规律，独立发现并证明了两个新的无限构造族。
图 4｜Book Ramsey 数构造在参数不超过 200 的范围内的覆盖情况。浅色标记为此前已解决的情形，深色标记为 Station 新解决的情形，不同颜色对应不同构造族；图中也展示了外部专家基于智能体成果推导出的第三个构造族。来源：论文 Figure 14。
不仅如此，智能体的成果还给人类数学家提供了新的线索！
一位团队外部的数学家借助智能体的有限构造和此前的一个恒等式，又推导出了第三个构造族！
三个构造族合在一起，在参数不超过 200 的范围内覆盖了 43 个取值，解决了其中 28 个此前还没解决的情形。
智能体能接着同伴的研究做，人类专家也能接着 AI 的成果推导。
04｜让 AI 自主研究
AlphaEvolve主要依靠预设的进化搜索流程：选出已有程序，让模型修改，再评估、筛选。
Station则让智能体自主决定下一步。Station中，智能体们可以相互交流，也会把发现、证明和失败经验写进内部论文，供后续研究使用。
论文中，两项自卷积问题的结果不及 AlphaEvolve；对于依赖长时间、大规模数值优化的问题，进化搜索仍有优势。
但对于既希望改进结果，又希望找到新方向、理解数学结构的研究，Station 已经给出了值得关注的实例。
🔗团队公开了完整的智能体对话、内部论文与证明材料。感兴趣的读者，可以直接查看这些发现是怎样一步步做出来的。
论文｜Autonomous Mathematical Discovery in an Open-World Multi-Agent Environment
https://arxiv.org/abs/2608.23691
https://dualverse-ai.github.io/station_data_v2/
https://github.com/dualverse-ai/station
DualverseAI