VibeMathed

github2026-08-02 更新2026-08-03 收录

AI数学推理评估

数学问题求解基准

数据链接：

https://github.com/mrconter1/vibemathed 数据链接链接失效反馈

官方服务：

资源简介：

由社区策划的、记录AI解决数学问题的数据集，包含问题的显著性排名、验证标签、AI贡献等级等信息，采用CC BY 4.0许可。

A community-curated dataset documenting AI mathematical problem-solving, which includes metadata such as problem saliency rankings, verification tags, and AI contribution levels, and is licensed under CC BY 4.0.

创建时间：

2026-07-27

原始信息汇总

数据集概述

VibeMathed 是一个由数学家和爱好者组成的社区平台，专门跟踪、整理和编目已被 AI 模型完全或部分解决的数学问题，涵盖从著名猜想到专业问题及 Erdős 编号问题。

核心功能与内容

问题条目：每个条目记录数学问题的结果（证明/证伪）和状态（已解决、部分解决、变体、候选审查中、已撤回）。
验证层级：从 Lean 内核检查到存在争议的验证结果，分为不同层级。
AI 贡献分级：标注 AI 模型在解决问题中的角色（独立发现、共同开发关键步骤、协助人类主导的证明）。
重要性评分：采用 0-100 分的锚定评分（黎曼假设为 100 分），评分标准公开。
社区机制：支持提交审核、字段编辑（带公共变更日志）、讨论帖、投票和成员档案。所有成员采用匿名制，不展示真实姓名、邮箱和头像。

数据与许可

数据集：完整数据集以 CC BY 4.0 许可免费复用，可通过 https://vibemathed.com/api/dataset 获取。
数据管理：数据库为数据源真相，src/data/problems.json 为种子基线和灾难恢复快照，社区编辑记录在 ProblemActivity 表中，而非 git。

技术栈

框架：Next.js（App Router, v16）+ TypeScript + Tailwind
数据库：CockroachDB（serverless，兼容 Postgres）通过 Prisma 管理
认证：Auth.js（next-auth v5），仅支持 Google 提供商
部署：Vercel
渲染：启用缓存组件（Partial Prerendering），页面提供预渲染静态外壳，动态部分按需流式加载。

本地开发

需要配置 DATABASE_URL 指向任何兼容 Postgres 的数据库（CockroachDB serverless 提供免费层级）。
提供多种 npm 脚本用于开发、类型检查、代码检查、数据库同步、种子数据加载、数据导出和数据库浏览。
构建时需要可访问的数据库，因为热门页面通过 generateStaticParams 预渲染。

许可

代码：MIT 许可
目录内容与数据集：CC BY 4.0 许可

搜集汇总

数据集介绍

构建方式

VibeMathed数据集由数学家与爱好者社群共同构建，旨在系统性地追踪、整理与编目已被人工智能模型完全或部分解决的数学问题，涵盖从著名猜想至专家级细分问题乃至Erdős编号问题。其构建过程严格遵循可验证性原则，每一条目均引用真实且可核查的原始文献，并明确标注未经同行评审、部分解决或存有争议的结果，而非简单遗漏或过度渲染。数据集以CockroachDB数据库为核心存储，辅以`problems.json`作为种子基线与灾难恢复快照，通过`npm run db:export`在目录变更后刷新，并以`db:seed`重建全新数据库。社区编辑行为在`ProblemActivity`表中审计，确保数据可追溯与权威性。

特点

该数据集的核心特色在于其多维度、精细化的信息架构与显著的开放共享属性。每条记录不仅包含结果（证明/证伪）与状态（已解决、部分、变体、评审中候选、撤回），还构建了从Lean内核验证至存疑等级的“验证阶梯”，并区分AI贡献层级——是发现数学、共同开发关键步骤，抑或辅助人类主导的证明。此外，数据集引入锚定等级的重要性评分（0-100，以黎曼假设为100基准），通过公开提示词分配，增强客观性。社区机制支持提交评审、公开变更日志的领域编辑、讨论线程、投票及匿名成员档案，同时遵循CC BY 4.0许可完全免费复用，兼具严谨性与包容性。

使用方法

用户可通过官网API端点直接获取完整数据集，或在GitHub仓库中利用`problems.json`种子数据进行本地开发。技术层面，需配置Postgres兼容数据库（如CockroachDB无服务器版），复制`.env.example`设置环境变量，包括数据库URL、`AUTH_SECRET`及自建Google OAuth客户端，随后执行`npm install`、`npm run db:push`同步模式、`npm run db:seed`加载种子数据，并以`npm run dev`启动开发服务器。构建生产版本需可访问的数据库，因为热门条目页面通过数据库预渲染。数据集利用Next.js的Partial Prerendering实现静态外壳与动态投票数据流，确保索引性与实时性并存。

背景与挑战

背景概述

VibeMathed数据集诞生于人工智能与数学交叉研究的蓬勃时期，其创建背景可追溯至2024年，由一群数学家、人工智能研究者及爱好者组成的社区共同构建。该社区旨在系统性地追踪、整理并编目那些已被人工智能模型完全或部分解决的数学问题，覆盖从著名猜想（如黎曼猜想）到专家级专题问题乃至Erdős编号问题等广泛领域。VibeMathed的核心研究问题在于为AI在数学领域的成就提供一套严谨、可验证的编目体系，而非简单的排行榜或数据抓取。其影响力体现在确立了以可查证原始文献为依据、对未经同行评审或存在争议的结果进行明确标注的规范，为数学界和AI界提供了一个可靠的知识库，并为评估AI的数学能力提供了重要参考。该数据集由社区维护，采用CC BY 4.0许可协议，促进了学术交流与数据共享。

当前挑战

VibeMathed所面临的挑战多维且深刻。在领域问题层面，其核心挑战在于构建一个能够准确区分AI在数学发现中的贡献层级（如独立发现、合作开发步骤或辅助人类主导的证明）的评估体系，这要求设定严格的验证阶梯（从Lean内核校验到专家审核），并解决如何客观量化成果重要性的难题，尤其当面对未审阅、部分解决或存在争议的数学问题时，需谨慎处理以避免夸大或遗漏。在构建过程中，挑战包括确保数据来源的真实性和可追溯性，维护一个动态更新的编目系统，同时平衡社区提交的自由度与审核的严谨性。技术层面，需要克服多区域集群数据库的兼容性瓶颈（如CockroachDB的schema锁定问题），并设计支持大规模并发访问和实时投票统计的架构，同时保证数据导出的完整性和恢复能力。此外，匿名化策略与社区互动机制之间的平衡，也是维护数据中立性和公信力的重要挑战。

常用场景

经典使用场景

VibeMathed数据集构建了一个系统化追踪与编目AI模型在数学问题求解中进展的社区平台，其核心场景是作为数学与人工智能交叉领域的基准资源库。研究者可基于该数据集检索已被AI证明或证伪的数学命题，涵盖从著名猜想到专家级特定问题及Erdős编号问题的长尾分布，并依据验证阶梯（从Lean内核校验到争议中结论）与AI贡献等级（自主发现、协同开发或辅助人类）进行多维度筛选。该数据集通过严格的来源标注和状态分级，为评估AI数学推理能力提供了可验证、可追溯的实证基础，避免了单纯排行榜带来的信息失真，成为该领域不可或缺的参考工具。

衍生相关工作

VibeMathed的出现催生了若干紧密关联的学术与工程衍生产物。其方法论文档和显著性评分提示语（significance-prompt）成为后续研究复现与改进的范本，部分工作在此基础上构建了更细粒度的AI定理证明能力图谱，或将其数据与Lean等交互式证明器库进行交叉比对，以量化验证层次的可靠性。社区围绕该数据集开发了可视化分析工具，用于追踪AI解决数学难题的时间演化趋势；同时，数据集的分级标签体系被其他学科（如物理、化学）借鉴，衍生出类似AI科学发现追踪平台。此外，其伪匿名社区机制与审核流程设计，也为AI辅助科学成果的众包审阅模式提供了参考案例。

数据集最近研究