ai-discovery-data

github2026-08-15 更新2026-08-17 收录

发现率趋势监测

科学计量学

数据链接：

https://github.com/tecunningham/ai-discovery-data 数据链接链接失效反馈

官方服务：

资源简介：

该数据集旨在跟踪多个领域随时间变化的发现率，并观察近期是否有加速趋势。它包含一系列定义一致、具有可用时间轴和可重建公共数据的子数据集，每个子数据集都附有完整的说明和交互式图表。

This dataset is designed to track temporal changes in discovery rates across multiple domains, and examine whether an accelerating trend has emerged in recent periods. It comprises a series of sub-datasets with consistent definitions, accessible timelines and reconstructable public data, each accompanied by complete documentation and interactive charts.

创建时间：

2026-08-11

原始信息汇总

ai-discovery-data 数据集概览

数据集目的

该数据集旨在追踪多个领域中随时间变化的发现速率，以检验近期是否存在加速趋势。该集合支撑了《LLMs Contribution to Discovery》一文。凡具备一致定义、可用时间轴以及公开可重建数据的时间序列均被纳入；有关AI使用的证据是有用背景信息，但并非必需条件。

数据组织与访问

数据集地址：https://github.com/tecunningham/ai-discovery-data
浏览方式：可通过 https://tecunningham.github.io/ai-discovery-data/ 交互式浏览，每个系列页面内嵌交互式图表，悬停可查看底层记录详情，部分图表支持点击跳转至原始参考来源。
数据构建：页面由 tools/build_docs.py 基于同一份CSV和文档生成。
附加索引：提供配套的累积索引（CUMULATIVE.md），以统一的阶梯函数格式重绘所有系列，展示截至目前的进展。

系列内容

数据集划分为三大类，共包含 29个系列：

一、Vulnerabilities（漏洞）

共 9个系列，涵盖软件漏洞披露与利用情况：

系列名称	覆盖时间	是否加速
curl 漏洞披露	2000–2026（截至2026-06-24）	📈 加速（36次披露，年化约75次，对比2025年9次）
Firefox 漏洞披露	2016–2026（截至2026-08-04）	📈 加速（截至该日342个CVE，对比2025全年210个）
所有软件：已知被利用漏洞（CISA KEV目录）	2021–2026（截至2026-08-10）	➡️ 无加速（年化约293次，对比2025年245次）
Microsoft 安全更新CVE	2016–2026（截至2026-08-11）	📈 加速（截至该日1,927个CVE，2025年1,243个，年化约为2025年的2.5倍）
所有软件：漏洞披露（NVD）	2016–2026（截至2026-08-10）	📈 加速（年化约82,000个CVE，约为2025年49,972个的1.6倍）
OpenSSL 漏洞披露	2002–2026（截至2026-08-05）	📈 加速（截至该日39个CVE，2025全年仅6个）
OSS-Fuzz 漏洞发现	2020–2026（截至2026-08-10）	📉 下降（从2020年1,041条降至2025年244条）
OSV中代表的开源CVE	2016–2026（截至2026-08-10）	📈 加速（年化约35,100个，为2025年15,146个的2.3倍）

二、Open problems（开放问题）

共 10个系列，追踪多个著名数学问题列表的解答速度：

系列名称	要点	是否加速
Erdős 问题目录	13个月度快照（2025-08-31至2026-08-10）；推算解法年份1940–2026	❓ 尚无定论（2026年推算55个解法，对比2025年33个）
Top 10 Erdős 问题	列表提出于2026-04-16；有日期解法1975–2026	❓ 尚无定论（2026年仅1个解法，样本过小）
FrontierMath 开放问题	基准于2026-02-26发布；记录解法2026-03-23至08-12共6个	⏳ 为时尚早
Ben Green 的100个开放问题	2018–2026；有日期解法2019–2025	➡️ 无加速（2026年0个，对比2025年3个）
Hilbert 问题	列表提出于1900；有日期解法1900–1998	➡️ 无加速（2026年及1998年以来均为0个）
Landau 问题	列表提出于1912；1912–2026无任何有日期解法	➡️ 无加速
Millennium Prize 问题	列表提出于2000；仅有1个日期解法（2003）	➡️ 无加速
Smale 问题	列表提出于1998；有日期解法2002–2026	❓ 尚无定论（仅5个事件）
Thurston 的24个问题	列表提出于1982；有日期解法1993–2013（22个）	➡️ 无加速（2026年及2013年以来均为0个）
The Open Problems Project	列表始于2001；有日期解法2000–2024（17个）	➡️ 无加速（2026年及2024年以来均为0个）

三、Mathematical bounds and records（数学界与纪录）

共 3个系列，关注数学界与纪录的更新情况：

系列名称	要点	是否加速
AlphaEvolve 问题集清单	共65个问题，31个拥有活跃数值纪录；构建于2026-07-26	⚪ 基线
AlphaEvolve 相关有限构造纪录	1949–2026，5组问题共22个纪录步骤	❓ 尚无定论（2026年1个，对比2025年9个）
ANTEDB 解析数论指数	覆盖58个指数切片；文献时段1920–2024；提取自2026-07-26的数据库	➡️ 无加速（2025或2026年0次变化，对比2024年2次）

关键发现

网络安全领域：多数漏洞披露系列呈现明显加速趋势，尤其是Microsoft、NVD、OpenSSL和OSV系列，2026年数据均达到历史高位。
数学开放问题领域：除Erdős问题目录外，大多数经典问题列表（Hilbert、Landau、Millennium、Thurston等）在2026年均无新增解法，未观察到加速迹象。
数学纪录领域：三个系列均未显示出显著的近期加速，其中AlphaEvolve相关系列因数据点过少而无法判断趋势。

搜集汇总

数据集介绍

构建方式

该数据集旨在系统追踪多个领域内的发现速率随时间的变化，以检验近期是否存在加速现象。其构建遵循严格标准：每个序列须具备一致的定义、可用的时间轴以及公开且可重建的数据源。数据来源于权威公共数据库，如CISA已知被利用漏洞目录、美国国家漏洞数据库(NVD)、微软安全更新指南等，覆盖网络安全漏洞披露、数学开放问题解决进度及数学界纪录更新等多元主题。

使用方法

使用者可直接访问在线的交互式浏览器页面，每一条序列都配有详细的文档说明和可交互的图表，悬停于数据点即可查看原始记录，部分图表还能点击跳转至原始参考文献。同时，仓库提供了整理好的CSV数据文件和构建文档的脚本工具，方便研究者进行二次分析与自定义可视化。此外，一个配套的累积索引将所有序列以统一的格式重绘，便于进行整体趋势的比较与综合研究。

背景与挑战

背景概述

随着人工智能技术的迅猛发展，其在大规模发现任务中的应用日益广泛，引发了学界对AI是否加速科学发现进程的深刻思考。在此背景下，2025年由Tom Cunningham等人创建的ai-discovery-data数据集应运而生，旨在系统性地追踪多个领域内随时间推移的发现速率，以实证检验近年来是否存在加速现象。该数据集整合了跨领域的时间序列数据，涵盖软件漏洞披露（如curl、Firefox、Microsoft等）、数学开放问题解决（如Erdős问题、千禧年难题）以及数学边界与记录（如AlphaEvolve相关进展）等多个维度，为量化分析AI对发现过程的贡献提供了坚实的数据基础。其核心研究问题在于：AI技术的介入是否显著提升了各个领域的发现速率，进而重塑科学研究的范式。凭借其严谨的构建方法论和广泛的数据覆盖，该数据集已迅速成为研究AI与科学发现关系的重要资源，为后续的因果推断与政策制定提供了关键支撑。

当前挑战

该数据集在构建与维护过程中面临诸多挑战。首先，在领域问题层面，如何跨域统一发现速率的定义与度量标准便是一大难题——不同领域（如漏洞披露与数学问题解决）的发现性质与时间尺度差异显著，要求数据进行归一化与可比性处理，确保序列具备一致的定义、可用的时间轴以及公开可重建的来源，方能支撑有效的跨域比较与因果推断。其次，在数据构建层面，收集涵盖数十年跨度的可靠时间序列数据十分棘手，上游数据源存在缺失（例如Microsoft 2016年部分月份文档缺失）、口径不一（如CVE数量在不同数据库中的差异）、以及AI使用证据标注的主观性等问题，均需通过谨慎的敏感性分析与多维验证予以缓解。此外，部分序列（如Landau问题）长期无新进展，导致样本量过小，难以做出统计显著的加速判断。持续维护数据的新鲜度与可重建性同样是长期挑战，要求构建者定期更新快照、追踪最新的决议与披露，并保留完整的数据溯源，以维持数据集的科学可信度。

常用场景

经典使用场景

ai-discovery-data数据集的核心应用在于系统性地追踪跨多个领域（涵盖软件漏洞披露、数学未解难题及数学界限与记录）的发现速率随时间的变化趋势。研究者借助该数据集，通过一致定义的指标与可重建的公共数据序列，直观识别各领域是否出现近期加速现象，特别关注人工智能技术介入后对发现过程的潜在影响。其典型场景包括：绘制CVE披露季度曲线、统计著名数学问题（如Erdős、Hilbert、Smale等）历年解决数量，以及记录有限构造与打包问题中的记录更新步长。这些分析工具支持交互式可视化，便于学者量化AI带来的科研效率变革。

解决学术问题

该数据集有效回应了学术界关于当代科研是否因AI而加速的核心争论。它通过构建标准化时间序列，解决了以往研究依赖零散案例、缺乏统一量化基准的问题，使跨域比较成为可能。例如，数据揭示部分软件漏洞（如curl、Firefox、Microsoft CVEs）近年的加速披露，而数学开放问题（如Landau问题）的解决率并未显著提升，从而为'AI驱动科学加速'假说提供了实证依据。同时，它采用可重建的源数据与灵敏度计数，增强了结论的可靠性与可复现性，为科学计量学与AI影响评估贡献了方法论范式。

实际应用

在现实应用中，该数据集为网络安全策略制定与科研资源配置提供决策支持。网络安全机构可依据漏洞披露加速趋势调整应急响应优先级，企业安全团队能识别AI辅助漏洞挖掘的贡献模式，优化防御投入。科研资助方与政策制定者则能洞察数学领域开放问题的解决动态，评估基础研究瓶颈。此外，数据集的设计模式也可被复制到其他学术领域，作为监测学科进展的通用工具，其交互式页面与API接口降低了使用门槛，便于公共服务平台集成。

数据集最近研究