Mathematica 15.0 出了，我又想起了高二时，我第一次接触 Mathematica 4.2 时的惊喜场景。 这版 Mathematica 能自动检测你机器上的 code agent，然后做相应的 MCP 配置安装。这个 MCP 支持直接生成 notebook。于是我让 Codex 分析了我一个 09 年写的 C++ 程序，把它转移成了 Mathematica 程序，完美。

🧮 离谱，MathModelAgent 能把数学建模比赛从读题、建模、写代码到出论文一路自动跑完。 MathModelAgent 在 GitHub 已经 4700+ star，最近 10 天连发了 5 个版本。更意外的是，作者自己说这是个边学边写的练手项目，单次任务成本大概 1 块钱。 打过数模比赛的都知道，三天里建模、编程、写论文轮轴转，代码报错一卡就是半天，论文排版还得熬通宵。 它把这三件事拆给三个 agent：建模手分析问题、定模型，代码手写代码、跑数据、自己纠错，论文手把结果写成论文。内置 17 套 Typst 论文模板，国赛、华数杯、华为杯、美赛都有。桌面版 Mac 和 Windows 都能装，里面已经带好 Claude Code 和全套 skills，不用自己配 Python、Node.js、Redis。 作者也写得很清楚：AI 生成的内容只能参考，靠它直接拿国赛奖还不现实。 拿来当队友打草稿、验证思路，已经能省下不少通宵。 GitHub：

#Dior全球公关总监去世# 快讯：Dior全球公关总监Mathilde Favier遭遇车祸不幸去世 她掌管迪奥全球明星艺人资源，各大时装周红毯都有她的身影，不少国内艺人参加Dior秀场都由她接待 她和伴侣双双在事故中遇难，时尚圈一片唏嘘🕯️ ​ 可惜了，猫神以后不再买Dior了🙏🥹

📚 又挖到一个数学宝藏——Awesome_Math_Books，一份能免费拿到的经典数学书单 GitHub 揽获 6700+ star，安安静静躺着一堆好书。 想系统补数学的人常有个困扰：知道 Rudin《数学分析原理》、Kolmogorov《概率论基础》是经典，但不知道去哪找、也不知道除了它们还该读什么。这个项目把数学、机器学习、物理、概率、优化、信息论这些方向的经典教材整理成一份清单，连 Bishop 的《模式识别与机器学习》、《费曼物理学讲义》这种硬核经典都收了进来，顺着单子找就行。 不管你是补机器学习的数学底子，还是纯想读点经典，这份单子省下你到处扒资源的时间。 学习这事，好的书单本身就是半程地图。 GitHub：

你们黑我啥也不能黑我嘴炮，我两个月前AI for math的一篇文章就写好投稿arxiv了，被人类拒稿我也很无奈，现在花了一个多月手工humanizer文章，马上改好二投了。。。作为一个业余兴趣爱好者，有几个人能做到我这种地步

想系统学数学，最麻烦的不是找不到资料。 找到一个 GitHub 项目：Awesome Math我自己收藏顺便也分享给大家有需要的收藏自取 它把优质数学学习资源按体系整理好了，目前已经 14k+ Stars 项目地址： 覆盖范围非常广： • 代数 • 几何 • 数学分析 • 概率统计 • 数论 • 拓扑 • 组合数学 • 离散数学 • 微分方程 • 优化理论 • 机器学习相关数学 一共覆盖 30+ 数学领域。 资源类型也很全： • 视频课程 • 电子教材 • 练习工具 • 课程笔记 • 名校公开课 • 数学可视化工具 里面甚至有 MIT、哈佛等名校学生整理的课程笔记。 适合几类人： • 想系统补数学基础 • 准备学机器学习 / AI • 需要概率统计、线性代数、微积分基础 • 想自学高等数学 • 想找高质量英文数学资源 一句话总结： 如果你想系统学数学， 不要满网乱搜。 先从 Awesome Math 这种整理好的资源清单开始， 能少走很多弯路，暑假了给孩子安排上学起来

我不知道我这个做法将会狠狠推进数学一大步，还是彻底终结数学。 党哥这里隆重推出The Last Math Competition（“最后数学竞赛”），可能将是全人类最后一场、也将是最旷日持久的一场数学竞赛。 以下是党哥制定的 The Last Math Competition 的规则： 1. 举办方每周会使用 AI Agent 新增 10000 个纯数学领域的猜想，添加到 ./conjectures 文件夹中； 2. 人类和 AI Agent 将共同对现存的所有猜想进行不同维度的打分，预估这些猜想证明或者证伪的难度，评价猜想的重要程度； 3. 人类和 AI Agent 可以共同提交对于每个猜想的完整证明，以 pull request 的形式提交在对应序号的文件夹中（比如 ./solutions/00000000001/my_submission_20260912041426），其中需要同时包含 LaTeX 源代码、PDF 文档和 Lean 4 项目，经过完整 review 后，完成证明或者证伪该猜想的提交将会被 merge 进来； 4. 举办方将会持续维护和更新一个含有所有猜想相关统计数据的表格。表格中的每一行对应一个猜想的所有信息，其中包括猜想的难度预估、重要程度打分、是否 well-defined、目前是否被证明或者证伪、第一次成功解决的时间、成功解决者的姓名和 affiliation 等信息； 5. 根据现存的猜想、对现存猜想的评估、对现存猜想的成功证明或者证伪，举办方将调整使用 AI Agent 生成猜想的策略，来逐步提高未来生成数学猜想的质量，以及可能逐步提高生成猜想的数量。 由于比赛尚在早期，我们必须声明：在早期生成的数学猜想的平均质量比较差，一部分猜想可能定义不充分或者存在错误的条件，或者存在显而易见的错误，甚至可能 "not even wrong"。所以我们将会根据对猜想的统计数据表格，来提升新生成猜想的质量和方法。 党哥的长远目标是： 1. 经过长期的比赛和反馈，我们将尝试逐步提升猜想质量。在长期大量猜想生成的过程中，我们希望能够创造若干重要猜想，通过对这些重要猜想的证明和证伪，来推动数学知识体系的推进； 2. 我们将探索以 AI Agent 为主导的数学研究和证明的技术路线。本比赛作为公开的比赛和 benchmark，将会实时评测所有模型的性能、harness 的性能、数学证明工具的性能，整个社区的所有参与者将一起探索 AI 时代科学研究的方法论； 3. 整个竞赛的所有猜想、对猜想的评估和打分、对猜想的最终证明或证伪，作为全世界 AI Agent 共同的经过验证和评议的知识成果，可以用于未来的数学研究，也可以用于未来的 LLM 训练。

🔭 Anthropic 刚开源了 fermats-last-theorem 这个仓库，把费马大定理的完整证明写成了机器能逐行验证的代码。 用的是 Lean 4.33.1 加 Mathlib，从零跑一次构建编译了 60475 个模块，每一条声明都过了 Lean 内核检查，按 Apache 2.0 协议放出来。 数学证明这件事，过去只能靠人读、靠同行评议。一篇几百页的论文，谁能担保第三百页某个引理没藏着漏洞？费马大定理这种量级的，全世界能完整读懂的人本来就没几个。 fermats-last-theorem 把整条证明路线，也就是 Frey、Serre、Ribet、Wiles 和 Taylor-Wiles 那一串论证，全部翻译成 Lean 代码交给机器检查。默认构建目标里带一道公理审计：整个证明只允许依赖 propext、Classical.choice、Quot.sound 这三条 Lean 标准公理，不许出现 sorry，不许偷偷加公理，不许用 native_decide。团队还找了两个独立检查器复核，leanprover 的 comparator 给的结论是“Your solution is okay!”，Rust 写的第三方 Lean 内核 nanoda 报告“Checked 1052234 declarations with no errors”。 代价也明明白白摆着：完整构建用 96 个并行任务跑了 5 小时 32 分，峰值内存 153 GB；comparator 那一遍又跑了 14 小时 46 分，峰值 230 GB。仓库另附一个 390 MB 的静态网页版，两万九千多个定理页面可以点着看。 要说明的是，这是一次性的研究产物，官方写明不再维护、不接受贡献。 好在证明写完就不会变了，这大概是少数几种真的不需要维护的代码。 GitHub：