arXiv cs.AI· Yuanchuan Guo, Jiashun Jin, Zheng Tracy Ke, Bingcheng Sui·· 11 小时前AI 评分38
AI4Math 淘金热 II：AI 辅助证明有哪些特征？
The Gold Rush in AI4Math, II: What are signatures of AI-assisted Proofs?
AI 导读
研究构建了包含 8,281 篇论文的五个队列，并提出 ProofTrace 框架，将论文表示为即时证明支撑图（GIPS）以提取可解释的数学组织特征。研究发现 AI 生成证明存在反复出现的特征，如更少引用外部结果、更依赖中间结论、图连通性改变，且这些特征在研究领域、稿件长度或图规模控制下依然存在。
正文 · AI 翻译
摘要：AI 在数学中日益广泛的使用引出了一个问题：我们能否检测出证明中的 AI 参与，并将其与 AI 在写作方面的协助区分开来？历史 arXiv 论文、近期披露实质性使用 AI 的论文，以及 OpenAI 发布的手稿，为研究这一问题提供了丰富的实证基础。然而，仍存在若干挑战：缺乏匹配的病例-对照对；披露可能不完整；以及缺乏现成的、旨在捕捉证明中 AI 参与信号的特征。
为应对这些挑战，我们构建了五个队列，共包含 8,281 篇论文，方法是将现有手稿与我们使用生成式 AI 生成的论文相结合。这些队列跨越不同的 AI 参与程度，并包含针对相同研究问题的匹配论文对。随后，我们引入 ProofTrace，一个将每篇论文表示为直接证明支持图（GIPS）并提取数学组织可解释特征的框架。
我们的研究得出三项发现。第一，我们特征的主成分投影揭示了 AI 参与的定性梯度：经 AI 改写的论文仍接近人类论文，两个 AI 生成队列在广泛共享的方向上偏离，而披露实质性使用 AI 的论文处于中间位置，并随时间向 AI 生成队列偏移。第二，我们识别出 AI 生成证明中反复出现的特征，例如外部引用结果更少、对中间结论的依赖更强，以及图连通性改变；其中许多特征在研究领域、手稿长度或图大小的控制下依然存在。最后，在一项单独的检测实验中，ProofTrace 能够区分人类撰写的论文与披露实质性使用 AI 的论文。其性能在 AI 改写下保持稳定，而最先进的基于文本的检测器性能则急剧下降。
| 评论： | 31 页，15 幅图 |
| 主题： | 人工智能（cs.AI）；应用（stat.AP） |
| 引用为： | arXiv:2611.08412 [cs.AI] |
| （或 arXiv:2611.08412v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.08412 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Bingcheng Sui [查看电子邮件]
[v1]
2026 年 11 月 5 日星期四 18:17:18 UTC（4,714 KB）
来源：arXiv cs.AI · arxiv.org