人工智能正在改变数学研究的入门方式，也促使学术界重新思考人才选拔的标准。芝加哥大学数学领域杰出学者弗兰克·卡莱加里（Frank Calegari）近日撰文指出，随着AI工具不断进步，初级研究岗位可能被大量使用人工智能生成证明的学生占据，仅凭论文或学术成果已难以判断候选人的真实能力。

卡莱加里在发布于陶哲轩（Terence Tao）博客上的文章中提出了自己的招聘标准。他写道：“我想了解你希望数学走向何方，也需要具备能解释这为何可能实现的专业能力。”他认为，一场30分钟的面对面交流，足以区分两类候选人：一类只是批量制造低质量研究成果，另一类则拥有清晰的研究愿景并且善于表达。

基于这一判断，卡莱加里主张招聘流程应更多依赖人与人之间的直接交流，而不是仅仅审查书面材料。他批评部分评审委员会过去仅凭一篇论文或一项成果就决定录用，而如今这类成果完全可能由AI生成。他强调，一旦采取新的招聘方式，学术界就有责任培养自己的研究生，让他们具备更好的数学表达能力，并应更加认真地对待这件事。

这一观点反映出AI技术对学术评价体系的深层冲击。当AI能够辅助生成数学证明时，研究者的愿景、沟通与表达能力将成为区分人才的重要维度，高校的人才选拔与培养机制也可能随之调整。