据 TechCrunch 报道，一家名为 Axiom Math 的公司提出，要防止“AI slop”进入数学研究。这一表述指向当前生成式 AI 在学术与工程场景中越来越普遍的一类现象：模型能够快速产出看起来完整、格式规范，但缺乏严格验证的推演过程与结论。
数学是一个对错误容忍度极低的领域。与一般文本生成不同，数学内容的正确性可以通过证明被逐条检验，因此，未经核验的 AI 生成内容一旦被当作可靠成果引用、传播甚至进入后续研究，纠正成本会非常高。Axiom Math 把“把 AI 垃圾挡在数学之外”作为自身的定位方向，说明其中有团队认为，需要为 AI 参与数学工作建立更明确的质量边界。
对 AI 从业者而言，这一动向值得关注的地方在于，它把讨论的重点从“模型能不能做数学”转向“模型产出的数学内容如何被信任”。在大模型被广泛接入科研流程的背景下，评测标准、证明校验与人工复核等环节的重要性正在上升。目前，Axiom Math 尚未公开更多产品与实现细节，其具体做法与效果仍有待观察。
该报道发布于 2026 年 11 月 5 日，属于公司动态。