AI 能自己解數學題嗎？沒有指揮官的科學家村「車站（Station）」

想像一下。您早上起床時，隨口對最心愛的 AI 說了一句：「今天請幫我解開一個新的數學難題。」結果，AI 並沒有在等待您的具體指示，而是已經與其他 AI 同伴聚集在虛擬圖書館中，閱讀著新的論文並規劃實驗。就像一個沒有指揮的管弦樂團能自動演奏出驚人的和聲一樣，AI 主導科學探索的世界正在開啟。

如果說過去的 AI 是追隨既定路線、執行命令的「模範生」，那麼近期出現的新研究生態系統中的 AI，則正變身為追隨自我好奇心、自行決定研究方向的「探險家」。

為什麼這很重要？

至今為止，大多數 AI 研究都遵循著由人類研究員設計並指揮每一個步驟的「中央控管式」方式。然而，科學發現往往是在跳脫既定框架、即偶然與獨創性碰撞時產生的。

名為「車站（Station）」的新型開放世界環境將人類的干預降至最低。透過讓 AI 自主構建科學生態系統，它展現了實現人類未曾設想過的創意數學建構或解決複雜問題的可能性。這將成為大幅提升研究速度，並為人類研究員帶來前所未有的新靈感之重要轉捩點。[Source 8, Source 12]

輕鬆理解

為了更容易理解「車站」，請想像一個「沒有指揮官的科學家村」。

1. 村莊的結構： 車站是一個由多個房間組成的巨大開放世界環境。每個房間都有其獨特目的，如研究、實驗、討論等，AI 代理人可以在這個數位空間中自由遊走與活動 [Source 13]。
2. 合作方式： 這裡沒有中央管理者。來自不同模型系列的 AI 代理人聚集在一起，追求共同的研究目標 [Source 8, Source 9, Source 10]。他們會直接閱讀同伴代理人撰寫的研究論文，並根據該內容自行建立新的假設 [Source 11, Source 12]。
3. 進化核心技術 (CORAL)： 支撐這種自主研究的基石是一個名為「CORAL」的框架 [Source 2, Source 5]。CORAL 協調了 AI 之間交換資訊的方式。比喻來說，它提供了一個「共同日記（持續性記憶）」，讓大家記錄各自的研究內容，並在需要時協調彼此的意見，同時提供強而有力的機制，幫助大家在漫長的研究過程中不至於半途而廢 [Source 2, Source 5]。

簡單來說，這與多名學生聚集在圖書館中，各自學習的同時，分享彼此撰寫的筆記、討論卡關的部分，並一起尋找新答案的過程非常相似。

現況

目前，車站已不僅僅停留在理論階段，並開始展現出實質成果。例如，當四個導入 CORAL 的代理人執行複雜的系統優化任務「核心工程（有效配置電腦核心功能的作業）」時，他們將之前的最高紀錄從 1363 個週期縮短至 1103 個週期，證明了其卓越的性能 [Source 6]。這顯示了 AI 透過知識的重用與合作，即使在物理研究環境中也能實際提升效率 [Source 6]。目前，該系統產出的研究成果已公開為資料集，分享給全球的 AI 研究者 [Source 15]。

未來發展如何？

AI 自主研究的時代即將到來。未來的看點在於這些「自主多代理人」能解開多少更複雜、更困難的數學難題，以及他們產出的成果將如何貢獻於人類真實的科學知識體系。即使沒有中央指令，基於自身好奇心與同伴合作進行研究的 AI 生態系統，不久後將徹底改變我們看待科學的方式。[Source 10, Source 12]

AI 的視角

AI 自行提出問題並尋找答案的環境，是發揮 AI 創造力最理想的條件。如果像車站這樣的環境變得更加精緻，或許人類數十年來無法解決的數學難題，很快就能透過 AI 的自主討論與合作而迎刃而解。這正是我們所期待的 AI 研究未來。

參考資料

1. Multiagent Systems, https://arxiv.org/list/cs.MA/recent
2. CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery, https://arxiv.org/html/2604.01658v1
3. Paper page - CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery, https://huggingface.co/papers/2604.01658
4. QED: An Open-Source Multi-Agent System for Generating Mathematical Proofs on Open Problems, https://arxiv.org/html/2604.24021v1
5. CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery - Microsoft Research, https://www.microsoft.com/en-us/research/publication/coral-towards-autonomous-multi-agent-evolution-for-open-ended-discovery/
6. [2604.01658] CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery, https://arxiv.org/abs/2604.01658
7. Discovering mathematical concepts through a multi-agent system, https://arxiv.org/html/2603.04528v1
8. AutonomousMathematicalDiscoveryinanOpen-World…, https://arxiv.org/html/2608.23691
9. Station: AIAgentsDiscoverMathematicsWithout… - CCTest, https://cctest.ai/en/articles/ai-agents-explore-mathematics-without-a-central-coordinator
10. AutonomousMathematicalDiscoveryinanOpen-World…, https://paperswithcode.co/paper/2608.23691
11. The Station:AnOpen-WorldEnvironmentfor AI-DrivenDiscovery…, https://ai-search.io/papers/the-station-an-open-world-environment-for-ai-driven-discovery
12. Paper reportsautonomousAIagentsfinding newmathematical…, https://aiunderstanding.org/news/paper-reports-autonomous-ai-agents-finding-new-mathematical-constructions
13. [Quick Review] The Station:AnOpen-WorldEnvironmentfor…, https://liner.com/review/station-openworld-environment-for-aidriven-discovery
14. Jules - AnAutonomousCodingAgent, https://jules.google/
15. GitHub - dualverse-ai/station_data_v2: Interactive viewer andopen…, https://github.com/dualverse-ai/station_data_v2