Lean

OpenAI 这次放出的 Navier-Stokes 结果，最被称道的一点是「可验证」：证明被翻译成 Lean 代码，编译器检查每一步，人不必再相信模型的「直觉」。Unite.AI 等媒体报道时反复强调这是一份机器可检验的有限时间爆破证明。但很少有人追问下一个问题：当「正确」可以被机器盖章，「优雅」由谁来判？而恰恰是这个无法形式化的判断，决定了一项数学成果在人类知识谱系里的地位。 数学证明要过哪两关？ 数学证明其实要过两关。第一关是正确性：每一步逻辑是否成立、是否有隐藏假设。这一关正在被 Lean 之类的证明助手接管，而且接管得越来越彻底——只要形式化通过，正确性争议就大幅减少。 第二关是品味：这个证明是直击要害还是绕了远路？它用到的工具是恰好够用，还是杀鸡用牛刀？它是揭示了深层结构，还是只是把硬算堆上去？陶哲轩这类数学家之所以被尊崇，不只因为他们证明了定理，更因为他们能在一堆正确的证明里，认出那个「对的证明」。这一关，没有任何编译器能判。 为什么「美」没法写进奖励函数？ 有人会说：既然人能判断优雅，那就把评委的打分喂回模型做奖励不就行了？问题在于，优雅之所以是优雅，恰恰因为它压缩了理解——一个优美证明让你看完觉得「本该如此」，一个丑陋证明让你看完觉得「居然如此」。这种「本该如此」的体感，依赖读者脑子里已有的整个数学语境，而语境是难以显式写出的。 把审美变成打分，模型会很快学会讨好评审的表面特征（步骤短、用了热门工具），却丢掉真正的洞见。这与 RLHF 教会模型说人话、却也磨平棱角是同一类退化。形式化越强，品味就越稀缺，因为机器把「正确」这件廉价化之后，人类唯一还能贡献的高价值判断，就剩「值不值得记住」。 Lean 之后，人类还剩下什么位置？ 这件事的深层含义是：可验证性划了一条线，线内的认知将被硅基接管，线外的审美与品味反而升值。未来数学家的核心工作，可能不再是「推导出正确」，而是「在一万个正确证明里挑出那个值得写进教科书的」。Lean 没有让数学变得机械，它只是把人类的位置，从计算推向了鉴赏。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：数学优雅

9 月 8 日 OpenAI 宣布内部系统给出 Navier-Stokes 存在性与光滑性问题的有限时间爆破解，随附论文与 Lean 形式化证明。据腾讯新闻报道，这次攻坚动用了约一万个并发协作的 AI Agent，耗时仅 88 小时；而到了 10 月 9 日，九派新闻援引英国《新科学家》称，菲尔兹奖得主陶哲轩公开批评 OpenAI 无视数学界研究规范，呼吁数学家停止与其合作。一边是机器 88 小时的喷涌，一边是人类领袖喊停——这中间裂开的，正是本文要谈的「验收带宽」。 生产快、验收慢，问题到底出在哪？ 过去数学进步的瓶颈在「想出证明」，审稿周期以月、年计，生产与验收大体匹配。现在 OpenAI 把生产端压到 88 小时一次、10 月 6 日又一次性放出数百项新结果，而人类数学家的阅读速度、共识形成速度、乃至克雷数学研究所对千禧年难题的裁决流程，仍以年级别运转。结果是一个倒挂：产出端指数提速，验收端线性爬行。 Lean 形式化看似解决了验收——编译器逐行检查，一步错即报错。但形式化能验证「这串推导内部自洽」，却无法替人类回答「这串形式化对应的数学直觉是什么、它是否真的攻克了那个物理相关的难题」。陶哲轩的不满正在于此：OpenAI 没有走预印本、同行讨论、社区复现的老路，而是直接把成品抛出来，等于把验收成本一次性甩给了整个学界。 验收只是盖章吗？ 很多人以为验收只是「看对不对」。其实人类审稿的真正价值，是把一个外来自洽的证明，编织进已有的知识网络：它依赖哪些引理、推翻了哪个猜想、和相邻领域有什么意外联系。这个过程无法外包给编译器，因为它本质是「让另一个大脑重新长出一遍理解」。 当 AI 每月吐出数百项结果，学界没有那么多大脑去重新生长理解。于是会出现两种扭曲：要么草草签收、留下大量悬而未决的「机器产物」；要么像陶哲轩那样用规范把整体拒之门外。两种都是认知系统过载后的保护反应。 接下来最值钱的岗位是什么？ 如果验收带宽才是真瓶颈，那么未来有价值的岗位，不是「再训一个更强的证明模型」，而是「理解并签收机器产出」的人——他们是硅基洪流与碳基知识体之间的减压阀。OpenAI 越能生产，这个减压阀越稀缺。88 小时的壮举若无人能签收，在认知意义上它就尚未发生。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：证明验收瓶颈

10 月 6 日 OpenAI 在 openai/math 仓库（Apache-2.0 协议）公开了内部前沿模型产出的数学成果：722 份手稿，归为 372 组相关结果，附 Lean 形式化证明、十份模型推理摘要、算力估计与尝试问题统计。这不是第一次被报道的事件，但这次值得从工程角度拆一遍——因为仓库里的数字，定义了「AI 数学研究」接下来的生产流水线。 42% 的 Lean 覆盖率 截至 10 月 7 日的社区统计，719 份头条结果里约有 300 份附了 Lean 证明，覆盖率约 42%。这个数字比「AI 解决了千禧年难题」更有信息量。它说明：模型生成一篇可读的数学论文，与把每一步推理翻译成机器可检查的 Lean 代码，中间还差着一倍以上的工作量。 Lean 是一种定理证明编程语言，数学结论必须被编译器逐步验证才算数。OpenAI 同步咨询了普林斯顿高等研究院（IAS）的数学与 AI 独立顾问小组，制定修订与引用协议。换句话说，未来的 AI 数学产出会是「双轨」：手稿供人读，Lean 证明供机器审。 算力账单：每份结果约三小时 ChatGPT Pro OpenAI 披露，模型平均每份结果消耗的算力约相当于三小时 ChatGPT Pro 的思考时间；测试中一共尝试了约 4000 个研究问题。这个投入产出比意味着：数学 AI 不是凭空顿悟，而是在巨大搜索空间里暴力枚举、再用形式化工具筛出幸存者。对工程团队，这提示一条新范式——把「可验证」直接写进奖励函数，让模型自己学会先证给机器看。 不完美的一面 需要保留的怀疑是：即便 Lean 编译器通过，数学家仍要读懂证明本身。已有报道提到，部分声称解决 Unique Games 猜想的证明手稿写得极差，连专家都读不下去；OpenAI 自己也警告部分结果可能含错误。机器可检查 ≠ 人类可理解，这中间是数学界未来几年要补的课。 判断 openai/math 仓库的真正历史意义，是把 AI 推理从「分数竞赛」推进到「证据生产」。对做形式化验证、定理证明工具链的团队，这是今年最值得逐文件读的开源数据集。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：openai/math Lean ...

10 月 6 日 OpenAI 在 GitHub 的 openai/math 仓库公开了内部前沿模型产出的数学手稿与配套证明工件。波兰语媒体报道提到，其中一项关于离散几何关键猜想的结果，由一组外部数学家核验，并另写了伴随论文解释论证、补充背景与意义。技术圈普遍把这次发布读作一个信号：Lean 这类形式化证明系统，正从小众学术工具变成 AI 时代的认知基建。 为什么是 Lean 站到了台前 Lean 的核心能力，是把数学命题写成类型、把证明写成程序，再由内核逐步检查。过去它普及慢，是因为人学起来累、写起来慢。但这个痛点对 AI 恰好相反——模型写代码比写自然语言更顺手，形式化语言的严格语法反而成了它的主场。 于是出现了一个精妙的互补：人负责提出猜想、判断价值，AI 负责把海量路径形式化，Lean 内核负责逐行验证。三者咬合，形成一条「生成—形式化—验证」的流水线。 生态正在被重新点燃 从技术前沿看，变化有三： 证明工件公开化：手稿、证明脚本、复现环境一起进 GitHub，社区可以像审代码一样审数学。 外部核验制度化： advisory group 公开呼吁实验室停止在私有模型上测高等数学、改为公开结果，意味着同行审查在向 AI 成果延伸。 工具链成熟：Lean 与模型生成、外部评审、错误撤回的闭环跑通，证明这套基建可以承载真实产出。 保留 要泼的冷水是：公开仓库不代表全部复现成本已透明，「数百项」的清单仍待社区逐条消化；OpenAI 当天撤回 3 份、修订 14 份，说明形式化流水线也会引入它自己的错误。但方向是清楚的——当证明可以像代码一样被托管、评审、版本管理，数学就获得了它等待多年的软件工程化底座。 还有一点值得记录：advisory group 公开呼吁实验室停止在私有模型上测试高等数学、改为公开结果。这种「开放优于私有」的共识，对形式化数学生态是长期利好——只有工件公开，社区才能建起可复用的证明库，让后来者站在前一份形式化结果上继续堆叠，而不是每次都从零开始。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Lean 与形式化数学

10 月 6 日 OpenAI 放出数百份数学手稿的当天，并没有回避一个尴尬事实：它撤回了 3 份因符号错误出问题的手稿，并修订了 14 份。Implicator 在报道中直接引用官方说法——未形式化的结果「可能有问题」。这个当天纠错的动作，比成果本身更值得停下来想一想：它揭示了一条正在成型的训练路线，即让模型在「可被验证」的压力下，长出机器层面的自我批评。 奖励信号决定模型成为谁 强化学习的基本逻辑是：什么行为被奖励，模型就重复什么。过去模型被奖励「看起来像对的」——语言流畅、论证像模像样，于是它学会了一本正经地胡说。这就是幻觉的训练学根源。 可验证奖励换了一套打分规则：在数学这类领域，答案对不对不看像不像，而看 Lean 类型检查通不通过。模型发现，与其写一段漂亮但不可验的论证，不如写一段哪怕朴素但能被编译器确认的推导。奖励信号一变，行为就跟着变。 自我批评是被结构逼出来的 这背后发生了一件有意思的事：模型开始在产出前自我校验。因为它知道，交上去过不了检查，奖励就是零。于是它学会在内部先跑一遍「审稿」，先自己抓符号错误，再交卷。 这不是模型突然有了良心，而是一种被训练出来的德性： 谦卑：它不再对自己的第一版结论深信不疑，而是默认它可能有错。 严谨：它偏好可被检验的表述，而不是含糊其辞。 可纠错：错了就改，因为改正的成本远低于硬扛。 有意思的是，这些品质在人类科学家身上，我们称之为「学术美德」。 保留与边界 必须说清：可验证奖励只在「有客观判据」的领域成立。伦理、审美、政策判断没有 Lean 式的编译器，模型在这些地方仍然会嘴硬。但数学领域的这个样本至少证明了一件事——求真不是靠叮嘱模型「你要诚实」训出来的，而是靠一个它无法欺骗的打分器，结构性地逼出来的。 道德教诲没用，制度设计有用。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：可验证奖励与求真

10 月 6 日，OpenAI 在官方博客发布《Sharing AI progress in mathematics》，把内部前沿模型在开放数学问题上的新成果，连同 Lean 形式化证明脚本一并放上 GitHub。第三方计数口径不一，Unite.AI 称约 722 份手稿，Implicator 记录约 372 项结果；发布当天 OpenAI 还撤回了其中 3 份因符号错误的手稿，修订 14 份。这件事的意义不在「机器又算对了几道题」，而在它悄悄移动了知识权威的位置。 过去我们凭什么相信一份证明 数学史很长一段时间里，知识的传递靠的是证言与声望。审稿人是某位教授，期刊是某个学会，读者凭作者的职位和领域口碑决定「要不要信」。一个结论哪怕写在论文里，别人也得花几周甚至几个月去啃，绝大多数人选择直接接受同行评议这个「制度性信任」。这是一种典型的认知外包：我们不亲自核查，而是信任核查者。 Lean 改变了这件事的受力方向。证明被翻译成机器可逐行检查的代码，编译器不认识作者，不在乎你是不是院士，它只做一件事：这一步逻辑推导是否合法。人不再需要「相信」模型，也不再需要「相信」某个审稿人，只需要跑一遍类型检查。 信任的底座从人迁到了机器 这带来一个温和却深远的后果：在可形式化的领域，知识的最后一公里校验，从社会过程变成了工程过程。 过去是「同行评议通过，所以为真」；现在是「类型检查通过，所以为真」。 过去错误可能潜伏多年才被发现；这次 OpenAI 自己撤回 3 份，恰恰说明形式化让错误暴露得更快。 过去「复现」是对实验科学的要求；现在「复算」成了对数学的默认配置。 需要保留的冷静是：并非所有数学都能立刻形式化，直觉、猜想、框架性理解仍然是人的领地。Lean 验证的是「结论对不对」，不是「这个结论为什么重要」。 这对硅基与碳基关系的暗示 当一份知识的可信性由一段人人可跑的代码背书，碳基与硅基之间第一次有了一种双方都无法作弊的共同语言。人类不必再争论模型是不是「真懂」，模型也不必借人类的权威来背书自己。能被审计的，才配叫进展；能被检查的信任，才是下一个时代的认知底座。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：可验证证明与认知信任

一道悬赏百万美元的世纪难题 2000年，克雷数学研究所公布了七个"千禧年大奖难题"，每一个悬赏100万美元。其中最著名、也最让物理学家头疼的，就是Navier-Stokes方程的存在性与光滑性。 简单说：这组方程描述了水、空气等粘性流体的运动。它从1822年被提出至今，工程师们天天用它算飞机、算洋流、算心血管里的血流，但数学家至今无法严格证明——对任意光滑初始条件，方程在三维空间里是否始终存在光滑解，还是会在某一时刻"爆掉"（blow up）。 180多年了，人类顶尖大脑束手无策。而2026年9月，OpenAI用一群AI智能体，把它推到了一个前所未有的位置。 88小时、10000个智能体、1300亿token 这次工作的规模，本身就是一则新闻： 约10000个AI智能体组成的协作集群，并行投入证明生成； 连续运行88小时，消耗约270万条消息交互； 累计输出约1300亿个token； 最终由OpenAI内部一个性能超过GPT-6 Astra的模型，在17小时内完成Lean定理证明器的形式化验证。 数据来源：OpenAI公开技术披露，2026年9月；克雷数学研究所千禧年难题官方说明 1300亿token是什么概念？这相当于把一座中型图书馆的文本量喂给证明流水线。但关键不在"量"，而在分工：这一万个智能体不是各自为战，而是被编排成一个分层的证明工厂——有的负责提出子猜想，有的负责补全中间步骤，有的负责找反例压力测试，有的专门负责把草稿翻译成Lean能读懂的形式化语言。 人类数学家做证明，是"一个天才+几年时间"。AI做证明，是"一万个不知疲倦的worker+88小时"。这是研究范式的根本切换。 为什么不领那100万美元？ 最有意思的细节来了：OpenAI宣布不申请克雷数学研究所的百万美元奖金。 原因是技术性的，也是诚实的。千禧年难题要求的是"无条件"的全局适定性证明，而OpenAI智能体集群给出的结果，是在**施加了额外的平滑外力条件（smoothed forcing）**下成立的。这是一个重要进展，但还不是题目要求的那个"裸解"。 换句话说：AI证明了"在我们精心控制的外力下，方程不会爆"，但没有证明"在任何外力下都不会爆"。差这一层，就是从"重大突破"到"摘得桂冠"的距离。 这个表态反而比领奖更有分量——它说明这次工作的工程纪律是严格的，形式化验证没有放水。 技术意义：形式化验证成了新的裁判 过去AI解数学题，最大的争议是"你怎么知道它没胡说？"。大模型擅长生成看起来像证明的文本，但中间一步跳步，整栋楼就塌了。 这次的不同在于：Lean验证器是无情的裁判。每一行推理都必须能被机器检查，没有"差不多"、没有"显然易证"。17小时的Lean验证通过，意味着这份证明在逻辑上是闭合的。 这标志着AI科研进入了一个新阶段——不再是"AI写、人看"，而是"AI写、机器验、人只挑方向"。当验证成本降到几乎为零，证明的产量瓶颈就只剩下一个：谁能提出好的问题和好的分解策略。 行业影响 对数学界，这是工具革命而非颠覆。25位菲尔兹奖得主此前联名抗议AI公司用算力暴力解题，正是担心"提出问题"这一最有价值的环节被稀释。Navier-Stokes的进展提醒我们：AI擅长把人已有的思路执行到底，但问题意识仍然属于人。 对AI行业，这是"智能体集群"商业模式的第一张完整成绩单。一万个智能体并行、88小时不间断、可验证产出——这验证了"用AI做长周期科研项目"在工程上可行。从药物分子到材料配方，再到数学证明，重资产、长周期、可验证的科研场景，正在变成Agent经济的主战场。 如果你想跟踪这类"AI做前沿科研"的完整脉络，guijiagi.com会持续记录每一次范式跳跃。下一个被智能体集群攻克的难题，可能就藏在你我尚未看清的某个角落。

三百年的悬案，300页的天书 1637年，费马在书页边上写下一句批注：“我发现了一个绝妙的证明，但这里空白太小写不下。“这个关于"当n>2时，a^n+b^n=c^n没有正整数解"的命题，从此困住了数学界358年。 1994年，怀尔斯用椭圆曲线和模形式的现代工具完成了人类证明，写满了100多页的天书级论文，全世界能完全读懂的人不超过两位数。但这份证明有一个软肋：它依赖大量人脑推演，从未被计算机完整形式化验证过。 2026年9月，Anthropic的Claude把这件事做完了——而且是基本自主地，跑了11天。 11天意味着什么 Claude这次完成的，是首个端到端的计算机验证形式化证明：从理解怀尔斯证明的整体结构，到把每一个逻辑环节翻译成Lean定理证明器能检查的形式，再到修补翻译过程中暴露的漏洞——全程由模型主导，人类只在关键节点介入。 11天的无人值守运行，背后是一套严格的长程自主科研（long-horizon autonomous research）能力： 自我分解：把300页证明拆成成百上千个待证子目标； 失败回溯：某一步卡住时，不是死磕，而是回退、换路径； 资源调度：在多个Lean会话之间分配算力，优先攻克关键路径； 自我校对：把已验证的部分当作新的引理库，复用到后续步骤。 数据来源：Anthropic形式化证明技术报告，2026年9月 这与Navier-Stokes那篇形成了有趣的对照：OpenAI用的是"一万个智能体并发"的暴力集群路线，Anthropic走的是"单个系统长时间自主"的深度路线。两条路在同一个月里各自抵达了形式化证明的里程碑——这不是巧合，而是说明AI科研的两条工程范式已经同时成熟。 为什么"形式化"比"写出证明"更重要 怀尔斯的证明是人写的，人相信它，是因为同行评审——几十个顶尖数学家花了几年，互相挑错、互相补漏。但人会累、会漏看、会在长达300页的推导里悄悄放过一个隐藏假设。 形式化证明不同。Lean会逐行检查：每一个引理是否真的被前置条件支撑，每一个定理的调用是否合法。它不懂"这看起来对”，它只认逻辑链条。 Claude把费马大定理做成形式化证明，等于给这座1994年建成的理论大厦做了一次全结构探伤。结果是：结构成立。这给整个数论的现代体系吃了一颗定心丸。 对"AI会不会取代数学家"的再思考 这次工作也给"AI替代论"泼了一盆冷水，同时加了一把火： 火：那些已经被人想清楚、但极其繁琐的证明工程，AI现在能独立干完。怀尔斯证明的形式化，过去估计要一个团队干五年，Claude用11天跑完了。 冷水：AI并没有提出怀尔斯的核心洞察——椭圆曲线与模形式的联系。那个跨越世纪的灵感，仍然是人脑的产物。 更准确的说法是：AI接管了证明的"施工”，但"设计图"仍然由人绘制。 数学家的价值正在从"推细节"转向"选问题、搭框架、判断方向"。 行业影响与展望 形式化证明一旦便宜到这个程度，受益的不只是数学：编译器验证、芯片设计正确性、密码学协议安全性，这些原本依赖昂贵人工审计的领域，都会被AI形式化工具重塑。 Anthropic这次11天自主科研，也给"AI Agent做长任务"树立了新标杆。过去的Agent演示多是几分钟、几十分钟的网页操作；能连续11天朝一个科研目标推进、自我纠错、最终产出可验证成果，这是从"工具"到"研究员"的关键一跃。 guijiagi.com会持续跟踪这条线：当AI能独立完成一项需要世界顶尖水平的科研时，“科研生产力"的定价逻辑就要重写了。

AI数学证明：从计算到推理 数学证明是人类理性思维的巅峰——它需要严格的逻辑、创造性的直觉和深度的抽象推理。2026年，AI在数学证明领域取得了里程碑式进展，从"做数学题"开始走向"做数学研究"。 2026年的里程碑 1. AlphaProof 2：IMO满分 DeepMind的AlphaProof 2在2026年IMO（国际数学奥林匹克）中获得满分42/42——这是AI首次在IMO中满分。 技术突破： 问题理解 → 自然语言→形式化(Lean 4) → 策略搜索 → 证明验证 → 自然语言输出 ↑ ↑ ↑ LLM转换 神经引导搜索 符号引擎严格验证 关键创新： Lean 4形式化：将自然语言数学问题转化为形式化语言 神经引导搜索：LLM提供"直觉"，指导搜索方向 符号验证：Lean 4类型检查器严格验证每一步 自我对弈：AI通过自动生成和解决数学问题来训练自己 2. 研究级证明：首次贡献 2026年5月，一个AI系统首次对研究级数学问题做出了独立贡献： 问题：关于有限群表示论的一个长期未解决的猜想（Jordan-Hölder定理的推广形式） AI贡献： AI提出了一个新的证明思路 人类数学家验证了思路的可行性 AI完成了形式化证明 证明被提交到arXiv预印本库 虽然这不是一个重大猜想的解决，但它是AI首次在研究级数学中做出原创贡献。 3. 自动形式化 将人类数学论文自动转化为形式化证明： DeepMind的AutoFormalize系统： 输入：数学论文的自然语言文本 输出：Lean 4形式化证明 准确率：72%（在标准数学论文上） 这意味着大量已有的数学知识可以被自动形式化，为AI数学研究提供丰富的训练数据。 4. 新数学概念发现 AI不仅在证明已知猜想，还在发现新的数学概念： 超图代数：AI在探索组合数学时发现的一个新数学结构 新不等式：AI在优化理论中发现了3个新的不等式关系 新算法：AI设计了一种新的矩阵乘法算法，复杂度优于已知最优 技术方法 1. 神经符号融合 AI数学证明的核心是神经符号融合： 神经部分（LLM）： 理解自然语言数学问题 提供证明"直觉"和策略 生成候选证明步骤 符号部分（Lean 4/Coq）： 严格验证每一步的正确性 确保证明没有逻辑漏洞 提供形式化的证明证书 class NeuroSymbolicProver: def prove(self, theorem): # 1. LLM理解定理 formal_theorem = self.llm.formalize(theorem) # 2. LLM提出证明策略 strategies = self.llm.generate_strategies(formal_theorem) # 3. 对每个策略进行搜索 for strategy in strategies: proof_steps = self.search(strategy, formal_theorem) # 4. 符号引擎验证 for step in proof_steps: if not self.lean.verify(step): break # 这一步不正确 else: # 所有步骤都通过验证 return self.format_proof(proof_steps) return "无法证明" def search(self, strategy, theorem): """神经引导的证明搜索""" queue = [strategy] while queue: current = queue.pop(0) # LLM生成下一步 next_steps = self.llm.generate_next_steps(current, theorem) for step in next_steps: if self.lean.verify(step): if self.lean.is_complete(step): return self.trace_proof(step) queue.append(step) return None 2. 大规模搜索 AI数学证明需要进行大规模搜索： ...