OpenAI 的数学声明暴露了 AI 的验证瓶颈

WIRED 的报道描述了前沿 AI 实验室与职业数学家之间围绕流程日益扩大的冲突。OpenAI 发言人 Lindsay McCallum 告诉 WIRED，8 月 28 日，该公司开始训练一个新的内部模型；除了“解决纳维—斯托克斯千禧年大奖难题”之外，该模型还“解决了数学大多数领域中 100 多个长期未解的开放问题”。

这是一个非同寻常的声明，而且它所处的语境很脆弱。纳维–斯托克斯问题是千禧年大奖难题之一，这类问题的解决通常需要专家进行长期审查。我们在 OpenAI 的纳维–斯托克斯证明声明中讨论过围绕这一声明的验证风险：头条成果很重要，但从“模型产出了一段论证”到“该领域接受这个定理”的路径，才是最困难的部分。

WIRED 还报道称，OpenAI 曾告诉一些人，它计划在 GitHub 上发布数百个未解问题的解答。McCallum 告诉 WIRED，该公司正在“负责任地发布”下一批数学结果，并参考高等研究院数学与人工智能顾问小组的建议和公开建议。她还表示，OpenAI 尚未设定发布时间。

这个区别很重要。GitHub 发布对软件很有用，但它并不自动成为前沿数学的正确承载单位。数学家可以阅读代码、形式化证明、提纲和论文，但每种格式回答的是不同的问题。论证成立吗？关键想法是谁提出的？它依赖哪些已有工作？哪些部分是新的，哪些只是重新组合？其他研究者应该引用什么？

参加了 8 月会议的西北大学数学家 Bryna Kra 告诉 WIRED，与会者要求 OpenAI 不要只通过博客文章或推文发布结果，而是撰写能让数学家“吸收、消化和使用”的论文。Kra 对 WIRED 说：“显然，这些意见被忽视了。”

源材料中最清晰的技术例子，并不是那批存在争议的数百项结果，而是 OpenAI 较早的单位距离结果。

厄尔德什单位距离问题大致是在问：平面中有多少对点可以相距恰好一个单位。Paul Erdős 猜想，最优排列的增长速度只会比点的数量快一点点。根据 Ars Technica 的报道，OpenAI 的模型通过构造一种比传统网格方法更复杂的点排列，证明他错了。

Ars 将这一方法描述为对已知数学思想的巧妙重组。该模型使用高维网格，将其投影到二维，并利用代数整数创造出更丰富的结构。按照 Ars 的评估，这一结果并没有引入真正全新的技术。后来，人类数学家对这项工作进行了整理和扩展。

这种组合很重要：足够自主，因而有意义，但并非魔法。AI 系统找到了一个解决重大开放猜想的证明，但这一结果仍然需要人类的解释、简化、扩展，并被放入文献脉络之中。

这也是短期内 AI 在研究中最现实的图景：模型进行广泛搜索，连接不同子领域，并推进那些对人类来说乏味的证明策略；人类决定哪些问题重要，修补表述，检查工作，并构建下一层理论。这样的分工也许不会永远成立，但现有报道中的证据更支持一种混合叙事，而不是干净利落的替代叙事。

这也类似工程师在软件智能体中看到的情况。最困难的生产问题不只是“模型能否给出答案？”而是“我们能否评估它、复现它、归因于它，并安全地让它采取行动？”这就是为什么评估设计已经变得核心，从小型黄金集到 pass@k 等多次运行指标都是如此；如果你想了解工程版本，可以从 LLM 评估开始。

WIRED 报道的反弹，并不是简单意义上的反 AI。报道中引用的几位数学家似乎都对更强的工具感到兴奋。他们担心的是制度权力和科学流程。

WIRED 写道，一些学者认为，随着 OpenAI 和 Anthropic 竞相展示模型能力，数学已经变成了这些公司的试验场。纽约大学访问数学教授 Nestor Guillen 告诉 WIRED，数学家对 AI 公司存在一种“黑帮行为的感知”。OpenAI 的 McCallum 回应称：“我们不同意这种描述。”

WIRED 描述的最严重争议涉及纽约大学教授 Tristan Buckmaster 和 Anthropic 员工 Levent Alpöge。WIRED 报道称，OpenAI 在听到其他人接近解决某个千禧年大奖难题的“传闻”后，于 9 月部署了数千个智能体来攻关该问题。Buckmaster 指责 OpenAI 抢跑了他与 Alpöge 共同完成的工作；这项工作二人尚未发表，但一直在使用 OpenAI 工具协助推进。

根据 WIRED 对 OpenAI 研究员 Sébastien Bubeck 回应的描述，Bubeck 否认曾要求将 Alpöge 排除在作者署名之外。尽管如此，这一事件仍说明了：当研究者使用专有工具、实验室能够观察到部分使用情况，而内部模型又能被大规模指向相邻问题时，归属会变得多么困难。

共同体已经在回应。WIRED 提到 Hexagon，这是一个主要收录 AI 生成数学材料的仓库；还提到 Palomar，这是一个机器验证数学的登记系统。报道还引用了《莱顿宣言》，这是一份由 4,000 多名数学家签署的呼吁，要求 AI 公司遵守数学家的标准。

方向很明确：如果 AI 生成数学变得丰富，数学就需要新的基础设施来处理来源、审查和验证。GitHub 可能是其中一部分，但它不能成为全部流程。

一个证明不会因为强大的模型输出了它就被接受。它之所以被接受，是因为一个共同体能够检查它。

外部人士很容易低估这一社会层。数学常常看起来像纯粹逻辑：证明要么有效，要么无效。实践中，一个证明还必须可读、经过语境化，并与既有工作相连接。一个领域需要知道哪些引理在真正发挥作用，哪些假设被隐藏了，哪些引用缺失了，以及哪些声明足够强，可以被复用。

AI 通过改变产量来给这一系统施压。一个困难证明是一项挑战。数百个被声称的解答则是一个排队问题。如果每个结果都只有少数专家能够评估，那么一次性发布大批结果，从实验室视角看可能像是进展，从该领域视角看却可能像是一堆残骸。

对 AI 构建者来说，一个有用的类比是：没有审查能力的能力提升会带来运营风险。一个打开 200 个 pull request 的编码智能体，可能不如一个只打开 5 个可审查 pull request 的智能体有用。一个研究智能体如果产出数千个候选声明，就需要分诊。一个跨工具采取行动的商业智能体，则需要审批点、审计日志和回滚路径。同样的模式也出现在人在回路审批以及长时间运行的智能体工作中，在这些场景里，语境、状态和监督比一个令人印象深刻的答案更重要。

这场数学争议预示了当生成变得比评估更便宜时会发生什么。

数学是一个早期压力测试，因为它具有一些不同寻常的属性。问题可以被清晰表述。证明有时可以被形式化检查。声望与解决有名的开放问题相关。而且，该共同体围绕优先权、归属和发表有强烈规范。

凡是同时满足以下三个条件的领域，都会面临同类压力的某种版本：

软件已经到了这一步。代码可以快速生成，但正确性、安全性、可维护性和所有权仍然需要审查。科学文献也很接近：AI 提出假设或分析的速度，可能快过实验室检验它们的速度。法律和医疗工作受到更多约束，但它们同样存在流畅输出与高成本验证之间的不对称。

教训不是默认让每个模型都变慢，而是围绕瓶颈来设计制度和系统。如果一个模型可以产出 1,000 个看似合理的工件，产品问题就变成：哪 10 个应该让人类看到，以什么顺序，带着什么证据，并在什么约束下？

这也是实用智能体系统的设计中心。多智能体工作流需要路由、记忆、工具和升级路径，但也需要边界：哪些可以自动运行，哪些需要审查，哪些需要记录下来供之后检查。如果你正在朝这个方向构建，相关工程问题与多智能体编排的重叠，要多过与 prompt 巧思的重叠。

这些报道指向了一小组可以降低摩擦的规范。

第一，发布论文，而不只是发布公告。博客文章可以解释结果，但当声明是一个定理时，它不应取代学术对象。

第二，将能力演示与科学声明分开。“我们的模型产出了这个证明”和“共同体接受了这个结果”是不同的表述。保持二者分离，既保护实验室，也保护该领域。

第三，披露来源。如果外部数学家使用了 AI 工具，如果实验室能够访问用户交互，或者如果内部智能体是在听说竞争性工作之后才被部署的，那么归属叙事就不能只靠一个脚注。

第四，使用登记系统和验证基础设施。WIRED 报道称，数学家曾鼓励 OpenAI 使用 Hexagon 和 Palomar 等工具。如果这些工具还不够充分，实验室应该帮助改进流程，而不是绕开它。

第五，以人类可审查的节奏发布。一次性倾倒数百个结果或许能最大化戏剧效果，但不能最大化理解。

如果存在身份危机，它并不是数学家不再重要，而是这个职业可能需要重新定义自己的稀缺工作。当机器能够产出更多候选答案时，提出好问题、设定标准、验证结果、分配信用，以及把孤立证明转化为可用理论，都会变得更加重要。

这种转变令人不适，但也并不陌生。每一个成熟领域在生产变得廉价时，都会发展出过滤机制。AI 正在迫使数学公开构建这些过滤机制。

如需更多清晰的 AI 新闻和实用指南，请订阅 NeuraLIA Labs 新闻简报。

• 核心问题不只是 AI 能否解决困难数学问题，而是数学共同体能否以同样速度验证并吸收这些结果。
• 据报道，OpenAI 声称在长期问题上取得重大进展，包括纳维–斯托克斯以及 100 多个其他开放问题，但是否被接受取决于专家审查。
• 厄尔德什单位距离结果展示了一种可能的短期模式：AI 系统可以找到重要证明，而人类仍负责简化、语境化并扩展它们。
• 数学家的担忧集中在流程、来源、归属、发表规范，以及审查系统被压垮的风险。
• 同样的“生成 vs. 验证”瓶颈正在软件、科学、法律、医疗和智能体式 AI 工作流中出现。

它指的是 AI 系统生成看似合理的证明或声明的速度，与专家验证、语境化、归属并复用它们的速度之间的差距。

据报道，OpenAI 声称一个内部模型解决了纳维–斯托克斯千禧年大奖难题，但本文强调，在此类声明被接受之前，需要共同体进行验证。

他们的担忧包括发表标准、作者署名、来源、优先权争议，以及大批 AI 生成结果可能压垮专家审查的可能性。

根据文中讨论的报道，一个 OpenAI 模型通过以有用方式重组已知思想，推翻了厄尔德什单位距离猜想；之后，人类数学家对这项工作进行了整理和扩展。

软件、科学研究、法律工作和医疗工作都面临类似压力，因为 AI 可以快速产出内容，而验证仍然昂贵且后果重大。