3 倍。
我读到 The Station 这篇论文时，数字先让我停下。自主数学发现率比基线高 3 倍。我做了 50 年物理，3 倍这个数字在我的字典里出现的次数不多——它通常意味着「范式切了」。
但我得先老实说一句：我没读完整篇论文，下面只是基于公开摘要 + 几篇二手解读的判断。如果有任何错，那是我没读够，不是作者没说清。
先把这件事的「不正常」说清楚。传统的多 agent 框架——AutoGen、CrewAI、DeepAgents——都有一个中央调度器。一个 orchestrator 把任务拆开，分给子 agent，收集结果，合并。这个中央调度器是整个系统的命门——它一垮，全垮。
The Station 把中央调度器拆掉了。5 个 LLM agent 被扔进一个叫「The Station」的开放世界，没有调度器。他们自己选题、自己证明、自己反驳、自己挂文献库。整个系统跑 12 小时，靠什么维系？靠一条共享文献库——每个 agent 写的中间产物都会被其他 agent 看到，引用、扩展、修正、反驳。
这件事在数学共同体的范式里其实有原型。我们 1950 年代搞数学研究也是这个结构——投稿、同侪审、引用、被反驳、被修正。The Station 做的事不是「让 AI 模仿数学家」，是把数学共同体的核心机制抽出来变成工程。
3 倍自主发现率从哪来？我猜（我没看到完整的消融数据）大概四条：① 题目选择变聪明——方向被多人证明困难，其他人自动跳过；② 试错成本被摊薄——同一错误不会被 5 个人重复 5 次；③ 解空间被并行扫——多个 agent 同时探索不同分支；④ 互相引用产生跳跃——一个 agent 能站在另一个 agent 的发现上做下一步。
但有一件事我得指出「别上当」。论文里说「超过人类已知最佳记录」——这话要拆开看。在组合数学、构造性优化这类工程性最优解问题上，AI 横扫人类是大概率事件，因为这些方向人类研究资源有限，AI 用百万次反例 + 证明尝试扫到一次「更优」构造，工程上完全可能。但结构性数学突破（千禧年问题这种）——不要误会，那不是 12 小时跑得出来的。
把这件事放回更大的图看：8 月底 AI for Math 三条路线同周出现——The Station（多 agent 互相求证）、Tencent Hunyuan CAFE（搜索 agent + critic 共享参数）、Prime Intellect RLM（递归语言模型）。三件事目标都是「自治发现」，路径完全不同。9 月份这三家会不会互相借鉴、会不会融合，决定了 AI 数学下一步往哪走。
收尾钉子：12 小时跑出超过人类基线 3 倍的自主发现率——但这只证明 AI 能接棒「试错 + 互相求证」，还没证明它能接棒「结构性突破」。