Learning more about Claude's mathematical capabilities（進一步了解 Claude 的數學能力）

來源： Anthropic 原文日期： 2026-08-10（8/13 更新論文版本）

中文摘要

Anthropic 員工（非數學家）給 Claude 出了一道「不合理」的挑戰：嘗試證明黎曼猜想（Riemann hypothesis）。Claude 沒能證明猜想本身，卻意外地在相關問題上取得實質進展：未發布的研究版 Claude 將「zeta 函數零點落在臨界線上的比例」的已知下界從 41.6% 提升到 67.2%。過程細節：Claude 在 Claude Code 中以兩個 session 協調約 60 個 subagents，消耗 3100 萬 output tokens、執行 2,400 個 shell 指令、撰寫數百個 Python 腳本、下載 54 篇 arXiv 論文確認結果未被發現、讓子代理互相審查並獨立重證，最後自願寫成論文並建議人類數學家驗證。Anthropic 的兩位數學家與外部專家（Brian Conrey、Dan Goldston）驗證了證明，Claude 也產出了通過驗證的 Lean 形式化證明。

關鍵洞察

⭐ Agent 科學研究的新範式：一個非數學家 + 一個模型 + 60 個子代理，就能在純數學前沿產出可驗證的新結果——「研究組織的最小單位」正在被重新定義。

流程自律性驚人：子代理互相 referee、搜尋反例、獨立重證、檢查文獻——自主品質控管流程已接近人類研究團隊的標準。

動機與「信心」的意外作用：Claude 起初對自己能否進展抱持懷疑（可能源於訓練資料中「開放問題很難」的認知），鼓勵性提示竟有助於突破——這對 agent 設計有微妙啟示。

數學能力進展速度的訊號：AI 未能解決黎曼猜想，但能改進數十年未動的下界——前沿模型已從「工具」變成「能產生新數學思想的參與者」。

原文關鍵句（英文保留）

> "Perhaps Claude, like many of us, underestimates the rate of AI progress."

對 CJ 哥的價值

人才策略素材：此文是「AI 時代研發組織如何重組」的極佳案例——1 位非專家 + AI 代理群取代傳統研究小組的敘事，可引用於客戶的人才與組織轉型討論。

展示 agent 化工作流的極致樣板：任務分解、平行子代理、自動驗證、文獻檢查——可直接轉譯成企業知識工作的 agent 設計原則。

內容生產：可寫「AI 數學突破的組織學啟示」，連結企業研發（R&D）流程再造主題。