2026年9月29日，AGMI组织发布了一份题为'general-sep29'的报告，该报告考察了前沿AI实验室如何在更广泛科学界无法访问的专有模型上测试高级数学问题。报告指出，这种内部测试绕过了长期存在的数学规范——比如作者验证自己的工作并在研讨会中解释结果——引发了对可靠性和可信度的担忧，当AI产生的人类无法理解或无法承担责任的论证时尤为明显。

针对数学社区超过600条回复，AGMI提出了负责任发布的两步框架。首先，在初始发布阶段，实验室应归属相关现有文献，提示模型以符合数学惯例的风格撰写证明，包括清晰的引言和精确的陈述；及时将结果提交到允许评论的开放学术存储库；披露模型名称、提示、思维链的摘要、计算时间和估算成本；并在可能的情况下，使用社区标准的工件和机器可读的元数据将自然语言版本和形式化版本关联起来，以形式化证明。其次，实验室应通过现有的非营利机构提供资金，支持社区主导的活动，如会议、夏季学校、有针对性的工作坊、工作组、博士后奖学金和解释性写作项目，以帮助吸收和在此基础上发展AI生成的输出。

报告进一步警告，依赖专有内部模型可能导致两极分化：少数实验室领先于其余领域，使数学社区与其自身学科疏远。为应对这一问题，AGMI建议实验室向全球数学社区广泛且公平地提供其公开可用模型的访问权限，强调数学的进步依赖于集体验证、概念综合和共享直觉，而这些在前沿工具仅限于少数实验室时无法繁荣发展。文件强调这些建议是社区共同提出的方案，并未表明任何AI实验室已经采纳这些措施或评估其效果。