AI 冲击下，理论计算机科学该如何重建？ 依赖 ETH（指数时间假设）的复杂性下界论文 如果某个问题能算得更快，就能突破 ETH。假设尚未被证明，问题之间的… · @skavenps1 · TwKit

@skavenps1

AI 冲击下，理论计算机科学该如何重建？ 依赖 ETH（指数时间假设）的复杂性下界论文 如果某个问题能算得更快，就能突破 ETH。假设尚未被证明，问题之间的归约关系却可以严格成立。真正的技术含量，往往藏在构造、参数增长和量词里 AI 可以快速生成看似完整的证明，但一个规模估计的错误，就可能让整个下界失效 当证明草稿越来越便宜，独立检查就可能成为新的瓶 理论研究的“复现”也需要分清：小规模实验只能排查部分错误；形式化验证能检查推导，却仍需人工确认形式命题是否忠实表达了原问题、是否引入额外假设 当 AI 能批量生产定理和证明草稿，我们的制度能否识别真正新增的知识，并让验证它的人获得回报？

曝光 10 · 评论 0 · 点赞 0 · 书签 0