arXiv AI 前沿日报｜8 月 20 日：证明要能讲，模型会回流，社群会变形

这三篇文章分别改了研究链条上的一层：陶哲轩追问哪些证明值得进入数学共同体，Recirculation 改变模型在推理时传递状态的方式，Physics of Agents 则把智能体之间的交流写成群体动力学。三篇 v1 都在北京时间 8 月 17—19 日首次提交，并且都有可打开的 X 具体讨论帖；本轮没有在相关 Reddit 热帖中找到符合时间窗口的直接论文讨论。

Mathematics in the age of AI 是一篇 ICM 2026 讲座随笔，没有原创实验。Terence Tao 先把「AI 将具备研究级数学能力」设为工作假设，再把 problem solving 拆成五步：解题、验证、清楚传达、共同体接受、进入领域定论。Tao 认为，AI 可能把证明从稀缺推向过剩，解释、审稿和消化结果会成为新的瓶颈。1

文中的 7/10 来自 Tao 转引的 First Proof 第二批次：10 道研究题中，7 道至少有一个 AI 系统通过专家评级。文中的 23 条建议 来自获国际数学联盟背书的 Leiden Declaration。Tao 还提出一条个人规则：作者如果无法清楚、正确并且归属得当地讲解结果，结果就不该发表。这个规则是 Tao 的建议，不是期刊已经采用的标准。

全部作者与机构：Terence Tao（UCLA Department of Mathematics）。论文 v1 于北京时间 8 月 17 日 23:59 提交。截至北京时间 8 月 20 日 08:27，X 论文分享帖显示 1,405 赞、208 转发、23 回复、120,336 浏览；Hacker News 讨论页的留存快照显示 114 points、106 comments。23

Recirculation 在每个时间步把深层激活漏一部分回浅层，并按目标层的 L2 范数重新归一化。固定版直接作用于现成模型；自适应版冻结原模型，只训练一个小型 MLP 来产生逐 token 的混合系数。Gemma3 1B 在 9 个数据集上的平均困惑度下降 23.0%，对照的固定版下降 8.5%，全模型微调下降 21.6%。4

GSM8k 的口径更值得留意。摘要把结果写成「accuracy increase 21%」，正文报告的却是误差率相对下降：pass@1 为 8.8%，pass@128 为 20.9%。论文还明确写出一项代价：prefill 必须逐 token 串行。论文没有给出延迟倍数，长上下文可能很慢，甚至不可行。

全部作者与机构：Michael C. Mozer、Shoaib Ahmed Siddiqui、Danny Sawyer、Rosanne Liu（Google DeepMind）；Sunny Sanyal（University of Texas, Austin；工作在 DeepMind 学生研究员期间完成）。Mozer 与 Siddiqui 为共享一作。论文 v1 于北京时间 8 月 19 日 00:30 提交。截至同一抓取时刻，X 讨论帖显示 709 赞、76 转发、23 回复、130,518 浏览。5

Physics of Agents 让 32 个智能体组成一个社区。每个智能体每轮采样 5 次二值意见，取均值后再按符号确定状态；社区连续同步更新 8 轮。主分析覆盖 9,600 个社区；加入未见网络和异步更新实验后，社区总数超过 10,000。论文把个人倾向和社会压力写进三耦合 Ising 型模型，再用初始意见预测后续轨迹。6

表 1 中，三耦合模型在四个语言模型、两类问题的每个单元格都胜过基线，one-step 平衡准确率为 75%—86%。这个指标衡量逐智能体立场状态转移的一步预测，并对正、负类别取平均；它不是达到该比例的社区数，也不是人类准确率。表 2 把模型推到训练时没见过的网络族，16 列中有 15 列取得最佳结果，one-step 为 85.0%—97.8%。这些数字来自 32-agent 二值立场模拟；模型会丢掉自然语言消息内容，通信图也保持固定和对称。政治题上的群体右移出现在三个模型中，Llama-3.1-8B-Instruct 是例外。论文结果不能直接外推人类社会。

全部作者与机构：Batu El、Jinhee Paeng、Shiye Su、Mete Erdogan、Aneesh Pappu、Haotian Ye、Wanjia Zhao、Surya Ganguli、James Zou（Stanford University）；Fatih Dinc（University of California, Santa Barbara）。Batu El 与 James Zou 为通讯作者。论文 v1 于北京时间 8 月 17 日 21:41 提交。截至同一抓取时刻，Stanford 作者原帖显示 379 赞、49 转发、10 回复、20,622 浏览。7

想判断什么值得精读，可以先看证据对象：Tao 给出一套价值判断，没有原创实验；Recirculation 给出推理期架构改动和模型指标；Physics of Agents 给出受控多智能体模拟与分布层面的预测。三者回答的是不同问题，数字不能排进同一张总榜。