回到最新动态
研究论文 / THE SIGNAL

人机发现循环突破 Lehmer 问题高次数障碍

Breaking the high-degree barrier in Lehmer's problem with a human-AI discovery loop

重要性 5.5 AI 辅助整理

人机循环推出五参数构造,覆盖任意目标次数。

资讯摘要

论文提出一种“人机发现循环”,将对话式提示与快速数值流程、精确符号验证器和大规模分布式搜索结合,用于研究 1933 年提出的 Lehmer 问题。作者报告由此推导出五参数构造 Generalized Boyd 算法,消除 Boyd 单参数族的次数跳空,对每个目标次数构造 Mahler 测度严格低于 α₁≈1.255434 的不可约整系数多项式;在不超过 2000 的所有偶数次数上评估,改进六个已发表数值并保持 99.6% 的已知最佳记录,同时发布经核验的多项式数据集。

要点速读

  1. 论文将对话式提示扩展为数值流程、精确符号验证器与分布式搜索组成的人机循环,由 AI 智能体在本地原型化求解器并启动并行搜索。
  2. 作者报告提出五参数 Generalized Boyd 算法,消除 Boyd 单参数族的次数跳空,对任意目标次数构造 Mahler 测度低于 α₁≈1.255434 的不可约多项式。
  3. 在不超过 2000 的所有偶数次数上评估,改进六个已发表数值、保持 99.6% 已知最佳记录,并发布经核验的多项式数据集。

中文摘要由 AI 根据公开来源生成,可能存在理解偏差;具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37(北京时间)。 arXiv 日期为本次公告时间,论文初次投稿日期请查看原文版本记录。

阅读 arXiv · cs.AI 原文arxiv.org · 在新窗口打开