在人工智能能够编写代码、数学师大数学式检索资料及生成文本的式辅助今天，如何进一步挖掘AI在数学研究中的工作工具深度与专业性？作为“人工智能+教育”领域的创新实践，华东师大数学科学学院自主研发的华东轻量化AI辅助数学科研平台——VeryMath，正式将AI引入文献调研、自研计算实验、科研猜想生成、新范实例验证、数学师大数学式证明组织及论文写作等核心科研环节。式辅助在这个暑假，工作工具“基于VeryMath的华东人工智能辅助数学研究实践”课程中，这一创新工具已成为师生教学相长的自研得力助手。
构建数学科研的科研“专用装备库”
平台核心研发者、华东师大数学科学学院王祥丰教授指出，新范VeryMath的数学师大数学式核心优势在于其针对性与轻量化。师生可将其轻松部署于个人电脑，并灵活对接各类大模型接口或代码生成工具。该平台依托任务编排及Agent–Skill–Harness（智能体—技能—运行框架）工程架构，将分散的外部AI能力有机整合，精准服务于数学推理、符号计算及结果验证等关键步骤。
华东师大数学科学学院院长刘博形象地比喻道：通用大模型虽知识渊博，却缺乏专业领域的深度训练，更像是一位“通才”。而数学研究遵循独特的逻辑体系，VeryMath正是为数学科研场景量身定制的“装备库”，旨在推动AI从“通才”向深谙数学研究流程的“专才”转型。
个人经验转化为可共享的“技能模块”
在传统数学研究中，许多高效方法往往局限于研究者的个人经验，例如特定文献的整理策略、符号计算的代码调用技巧，以及围绕猜想设计数学实验的方法论。VeryMath致力于将这些隐性知识沉淀为可复用、可共享、可迭代的技能模块（Skill）。
“VeryMath是一个全开放、全共创的平台。”王祥丰强调，师生可以将经过验证的有效方法固化为Skill，供他人调用、修改并持续迭代。这种机制不仅让师生从单纯的工具使用者转变为平台建设的参与者，更实现了科研经验的数字化传承。
硕士研究生徐柯楠便是这一模式的受益者。在研究经典数学优化方法——交替方向法中的超参数选择难题时，团队利用VeryMath中的“烟花”技能及自动研究技能，成功设计出新的超参数自动调整机制，并将其应用于稀疏优化及AI训练优化器设计等前沿场景。
这些实践表明，AI辅助科研的价值不仅在于提升写作或计算效率，更在于重构研究经验的保存与传播方式。目前，学院师生已自主开发“协同数学家（Co-Mathematician）”工作区，并成立“人工智能驱动数学研究创新俱乐部”，积极推动个体经验向共享科研资源的转化。
全流程覆盖：从思路梳理到算法进化
“各类Skill不仅能辅助我梳理研究思路、发现潜在问题，还能处理复杂计算并进行结果验证。”硕士研究生袁东在体验VeryMath后，感受到了科研训练的完整闭环，“甚至，它还能让AI参与算法的进化与发掘中，使探索过程更加高效、系统。”
对于常需面对复杂学术交流场景的博士研究生涂卓杰而言，VeryMath带来的则是更契合“数学语言”的流畅体验。他提到，VeryMath针对数学语言及写作进行了深度优化：在文献阅读阶段，AI4Math论文阅读技能能促使大模型构建更具数学思维的分析框架；在写作阶段，则大幅减少了反复调整提示词以纠正表达的过程。此外，“协同数学家”工作区通过提高回答准确性、减少幻觉内容，显著提升了学术讨论的效率。
从平台建设到课程教学，再到科研训练与社群培育，华东师大数学科学学院正在构建一条完整的AI4Math育人链条。王祥丰表示，团队正面向全院乃至全校推广这一工具，鼓励师生将各学科中有效的数学研究实践沉淀为新技能。下学期，数学科学学院计划开设1学分的“数学智能体工程与实践”选修课，面向高年级本科生与研究生开放，旨在促进师生科研范式的深度转变，全面激活协同科研生态。
原标题：《让AI按数学家的方式工作，华东师大自研AI工具辅助数学科研新范式》