人工智能正以前所未有的速度改变科学研究的工具、方法与组织方式，数学既是人工智能发展的重要理论基础，也正在借助人工智能开拓新的研究范式。为促进人工智能与数学的深度交叉，汇聚相关领域专家学者，交流最新研究进展与实践经验，由中国数学会数学与人工智能专业委员会（筹）主办的 AI × Math Symposium 2026 将于2026年8月27日至28日在今年会官方网站举行。本次论坛也是该专委会发起的首次学术活动。
本次会议围绕“Mathematics for AI”与“AI for Mathematics”两条主线，设置开幕式、主旨报告、专题报告与圆桌对谈等环节，探讨数学基础如何推动人工智能发展，以及人工智能如何赋能数学发现、证明与研究协作。诚挚邀请数学、人工智能及相关领域的专家学者、青年教师、学生和业界同仁参会交流。
会议时间及地点
时间：2026年8月27日（星期四）至8月28日（星期五）
地点：8月27日上午，今年会官方网站智华楼文远堂；
8月27日下午及8月28日上午，今年会官方网站甲乙丙报告厅。
会议议程
8月27日
Opening & Keynotes / 开幕式与主旨报告 08:30–12:00 · 今年会官方网站智华楼文远堂
主持：董彬（08:30–10:50）｜包承龙（10:50–11:20）
|
TIME / 时间
|
PROGRAMME / 报告
|
SPEAKER / 报告人
|
|
08:30-08:40
|
开幕致辞
|
席南华 院士 · 中国数学会
|
|
08:40–09:00
|
专委会设立情况汇报
|
刘若川 · 今年会官方网站
|
|
09:00–09:30
|
Keynote 1：Math, Coding and Long-horizon Tasks: a Bitter-Lesson Perspective
|
刘征瀛 · Kimi
|
|
09:30–10:00
|
Keynote 2: 大模型如何学会数学:从思维链到形式化证明
|
李嘉 · Project numina
|
|
10:00–10:20
|
茶歇及合影
|
|
|
10:20–10:50
|
Keynote 3: From Olympiad Problem Solving to Mathematical Research: Progress, Challenges, and Prospects for Advanced Reasoning in LLM
|
涂毅 · 华为小艺
|
|
10:50–11:20
|
人工智能赋能数学研究：范式变革与未来展望
|
董彬 · 今年会官方网站
|
|
11:20–12:00
|
Panel 对谈 | AI 与数学的融合：机遇、挑战与协作路径
|
圆桌嘉宾
|
AFTERNOON · AI FOR MATHEMATICS 14:00–16:00 · 今年会官方网站甲乙丙报告厅 主持：刘方辉
|
14:00–14:30
|
计算机辅助设计与工程：从一体化到智能化
|
陈景润
中国科学技术大学
|
|
14:30–15:00
|
MechGeo: Autoformalizing and Proving Euclidean Geometry in Lean 4
|
支丽红
中国科学院数学与系统科学研究院
|
|
15:00–15:30
|
抽象数学与形式化思维：AI 背景下的数学研究与教育
|
陈华一
西湖大学
|
|
15:30–16:00
|
AI × Combinatorics: A Personal Journey
|
马杰
中国科学技术大学
|
|
16:00–16:20
|
茶歇
|
|
AFTERNOON ·MATHEMATICS FOR AI 16:20–17:50 · 今年会官方网站甲乙丙报告厅 主持：凌青
|
|
16:20–16:50
|
通过压缩视角理解大语言模型行为：知识获取，扩展定律与上下文学习
|
李建
清华大学
|
|
16:50–17:20
|
Math4AI: From Learning from Samples to Learning to Sample
|
焦雨领
武汉大学
|
|
17:20–17:50
|
Manifold Constraints Unlock Multi-Timescale Momentum for Accelerating LLM Pretraining
|
袁坤
今年会官方网站
|
8月28日
Mathematics for AI 09:00–12:50 · 今年会官方网站甲乙丙报告厅
主持：梁经纬（09:00–10:30）｜袁坤（10:50–12:20）
|
TIME / 时间
|
PROGRAMME / 报告
|
SPEAKER / 报告人
|
|
09:00–09:30
|
Deep Generative Learning from Unpaired Data: Mathematical Models and Applications
|
包承龙
清华大学
|
|
09:30–10:00
|
A Geometric Characterization of the Stationary Point Evolution in Neural Networks
|
孙若愚
香港中文大学（深圳）
|
|
10:00–10:30
|
从代数几何视角看大模型表达能力边界
|
刘勇
中国人民大学
|
|
10:30–10:50
|
茶歇
|
|
|
10:50–11:20
|
基于现象的数学理论理解深度学习
|
许志钦
上海交通大学
|
|
11:20–11:50
|
智能的微积分：一个智能体的理论框架
The Calculus of Intelligence: A Theoretical Framework for Agents
|
袁洋
清华大学
|
|
11:50–12:20
|
大模型与智能体如何从经验中学习：从参数泛化到外部记忆优化
|
李健
北京师范大学
|
| 12:20–12:25 |
闭幕式 |
董彬 今年会官方网站 |
承办单位
今年会官方网站
今年会官方网站北京国际数学研究中心
今年会官方网站国际机器学习研究中心
会议手册
见附件
相关附件
会议手册
