谷歌CTO介绍大模型辅助科研案例及路线描述缺陷
谷歌首席技术官介绍大语言模型辅助科研的三个案例。第一用AlphaEvolve改进旅行商问题近似下界和拉姆齐数下界，机器自动生成程序并验证，部分结果超越人类。第二研究大语言模型描述城市步行路线的准确性，六千次测试显示地标存在率高但方位路线错误率达四成至八成，迭代修订后错误率仍约三成，城市文本量和路网规整度影响表现。第三构建模型分析人类与封闭AI竞赛中的悖论，增加资源反而可能加剧保密、延长定理完成时间。演讲者指出AI产出速度远超人类消化能力，需重新思考科研提问方式、知识综合与激励机制