新智元報(bào)道

編輯：犀牛

【新智元導(dǎo)讀】OpenAI首席科學(xué)家震撼爆料，其神秘內(nèi)部模型僅憑一周成功攻克了10道未發(fā)表頂尖數(shù)學(xué)難題中的6道。這一名為First Proof的挑戰(zhàn)標(biāo)志著AI已從奧賽選手進(jìn)化為前沿知識(shí)的創(chuàng)造者，奧特曼更直言STEM研究范式將被徹底重塑。

還記得兩年前，AI只能磕磕絆絆地解出一道小學(xué)奧數(shù)題。

今天，讀完這篇文章時(shí)，你可能會(huì)感到一種深入骨髓的戰(zhàn)栗。

因?yàn)槟莻€(gè)曾經(jīng)蹣跚學(xué)步的「孩子」，在剛剛過(guò)去的一周里，不僅學(xué)會(huì)了奔跑，還一腳踢開(kāi)了人類(lèi)智力皇冠上最堅(jiān)固的那扇門(mén)——前沿?cái)?shù)學(xué)研究。

就在剛剛，OpenAI首席科學(xué)家Jakub Pachocki在X上扔出了一顆重磅炸彈——

「我們用內(nèi)部模型對(duì)10道前沿?cái)?shù)學(xué)研究題發(fā)起挑戰(zhàn)，在僅有少量人工監(jiān)督的情況下，至少6道的解答有很高概率是正確的?！?/strong>

隨后，奧特曼親自轉(zhuǎn)發(fā)并感慨：「我們從AI連小學(xué)數(shù)學(xué)都做不好，到AI能解決研究級(jí)別的數(shù)學(xué)問(wèn)題，只用了短短幾年?！?/p>

奧特曼以一貫的輕描淡寫(xiě)風(fēng)格加了一句：「我也相當(dāng)確定，大家的主要反應(yīng)會(huì)是『也沒(méi)那么難嘛』。」

嗯，典型的奧式凡爾賽。

奧特曼甚至表示，AI已經(jīng)有了產(chǎn)生新知識(shí)的能力！

OpenAI總裁Brockman也轉(zhuǎn)發(fā)表示振奮！

確實(shí)，這不是奧數(shù)競(jìng)賽題，不是考研真題，不是任何已經(jīng)有標(biāo)準(zhǔn)答案的東西。

這是11位世界頂級(jí)數(shù)學(xué)家剛剛從自己的研究中挖出來(lái)、答案從未公開(kāi)過(guò)的前沿問(wèn)題。

人類(lèi)專(zhuān)家自己解這些題，每道也需要好幾天，甚至更久。

而OpenAI一個(gè)還沒(méi)公開(kāi)的神秘模型，一周搞定了其中大部分。

這到底是怎么回事？

一場(chǎng)硬核的數(shù)學(xué)考試

故事要從2月6日說(shuō)起。

那天，來(lái)自斯坦福大學(xué)、哥倫比亞大學(xué)、哈佛大學(xué)、耶魯大學(xué)、洛桑聯(lián)邦理工學(xué)院等頂尖機(jī)構(gòu)的11位數(shù)學(xué)家，聯(lián)合發(fā)布了一篇名為「First Proof」（首次發(fā)酵）的論文。

這個(gè)名字本身就很有意思——在烘焙中，「first proof」指的是面團(tuán)的第一次整體發(fā)酵，在分割成型之前讓它慢慢膨脹。

數(shù)學(xué)家們把這次實(shí)驗(yàn)比作面團(tuán)發(fā)酵：先把問(wèn)題撒出去，讓AI和社區(qū)一起「醒發(fā)」。

這11位出題人來(lái)頭可不小。

其中Martin Hairer是2014年菲爾茲獎(jiǎng)得主，Daniel Spielman是耶魯大學(xué)的譜圖論大牛，Lauren Williams是哈佛大學(xué)的代數(shù)組合學(xué)權(quán)威。

Martin Hairer

他們每人貢獻(xiàn)了一道（或參與出了一道）從自己正在進(jìn)行的研究中抽出來(lái)的真問(wèn)題。

這10道題覆蓋了數(shù)學(xué)中極為廣泛的領(lǐng)域：代數(shù)組合、譜圖論、代數(shù)拓?fù)洹㈦S機(jī)分析、辛幾何、表示論、李群中的格、張量分析、數(shù)值線(xiàn)性代數(shù)。

網(wǎng)站地址：https://1stproof.org/

每一道題的證明長(zhǎng)度大約在五頁(yè)左右——這不是那種需要幾百頁(yè)論文才能搞定的世紀(jì)難題，而是數(shù)學(xué)家在研究過(guò)程中遇到的「引理」（lemma），也就是通往更大定理路上的一塊關(guān)鍵墊腳石。

換句話(huà)說(shuō)，這是一個(gè)優(yōu)秀研究生可能需要苦苦琢磨一段時(shí)間的那種日常級(jí)研究任務(wù)。

關(guān)鍵是，這些問(wèn)題的答案從未在互聯(lián)網(wǎng)上出現(xiàn)過(guò)。

沒(méi)有發(fā)表過(guò)，沒(méi)有在任何會(huì)議上講過(guò)，沒(méi)有出現(xiàn)在任何公開(kāi)場(chǎng)合。

答案被加密后上傳到了1stproof.org。

這意味著，AI模型不可能通過(guò)檢索訓(xùn)練數(shù)據(jù)來(lái)作弊。

數(shù)學(xué)家們的目標(biāo)很明確：我們不想再看AI做奧數(shù)題了，我們想知道，AI到底能不能做真正的數(shù)學(xué)研究。

OpenAI的瘋狂一周

消息一出，整個(gè)AI圈和數(shù)學(xué)圈都炸了。

斯坦福大學(xué)數(shù)學(xué)教授、First Proof團(tuán)隊(duì)成員Mohammed Abouzaid后來(lái)坦言：「我們完全沒(méi)想到會(huì)引發(fā)這么大的動(dòng)靜，更沒(méi)想到AI公司會(huì)這么認(rèn)真地投入資源來(lái)做這件事。」

其中最引人注目的參賽者，當(dāng)然是OpenAI。

根據(jù)Jakub Pachocki的描述，這并不是OpenAI傾巢出動(dòng)的大會(huì)戰(zhàn)，而是一次「Side-sprint」（副業(yè)沖刺）。

就像是工程師們?cè)谖缧輹r(shí)間順手搞的一個(gè)測(cè)試。

他們使用的是一個(gè)內(nèi)測(cè)模型。

不是GPT-5.2，不知道它是不是GPT-6，還是某種更激進(jìn)的架構(gòu)。

這個(gè)模型在「有限的人工監(jiān)督」下工作：OpenAI沒(méi)有向模型提供數(shù)學(xué)思路或解題建議，但在某些解答上，根據(jù)專(zhuān)家反饋要求模型進(jìn)行了擴(kuò)展和補(bǔ)充。

他們還手動(dòng)安排了這個(gè)內(nèi)部模型與ChatGPT之間的對(duì)話(huà)，用于驗(yàn)證、排版和風(fēng)格潤(rùn)色。

對(duì)于部分問(wèn)題，他們從幾次嘗試中按照人類(lèi)判斷選出了最優(yōu)解。

最終，OpenAI在2月13日提交了一份67頁(yè)的PDF，包含了對(duì)全部10道題的解答嘗試。

Pachocki自信地宣布：至少6道解答（第2、4、5、6、9、10題）有很高概率是正確的。

文檔地址：https://cdn.openai.com/pdf/a430f16e-08c6-49c7-9ed0-ce5368b71d3c/1stproof_oai.pdf

OpenAI的另一位核心研究者Noam Brown也在社交媒體上高調(diào)喊話(huà)：「去年夏天IMO的結(jié)果公布時(shí)，有些人不以為然，說(shuō)那只是高中數(shù)學(xué)。我們認(rèn)為我們最新的模型將消除一切懷疑——STEM研究即將發(fā)生根本性變革。」

Noam Brown還在文中承諾，他們很快會(huì)發(fā)布這個(gè)新模型。

真相比宣傳復(fù)雜得多

2月14日，F(xiàn)irst Proof團(tuán)隊(duì)公布了全部10道題的正式答案，并發(fā)布了他們自己用公開(kāi)AI模型（GPT-5.2 Pro和Gemini 3.0 Deepthink）測(cè)試這些題目的經(jīng)驗(yàn)報(bào)告。

有趣的是，官方論文中可能出現(xiàn)了一個(gè)小錯(cuò)誤。

這里應(yīng)該是2026，不是2025。

不過(guò)，這都不重要。

我們來(lái)看結(jié)論。

結(jié)論相當(dāng)冷峻：在單次嘗試的情況下，公開(kāi)可用的最強(qiáng)AI模型只答對(duì)了2道題——第9題（張量代數(shù)關(guān)系）和第10題（核化CP-ALS子問(wèn)題）。

而且第9題還存在疑似「數(shù)據(jù)污染」問(wèn)題——一個(gè)幾乎等價(jià)的證明已經(jīng)存在于已有文獻(xiàn)中。

第1題也被發(fā)現(xiàn)受到了污染，出題人Hairer網(wǎng)站上曾經(jīng)有一個(gè)證明草稿的存檔，但即便如此，AI也沒(méi)能填上其中的關(guān)鍵缺口。

更耐人尋味的是Abouzaid對(duì)AI產(chǎn)出風(fēng)格的評(píng)價(jià)：「我看到的AI給出的正確解答，有一種19世紀(jì)數(shù)學(xué)的味道。但我們要構(gòu)建的是21世紀(jì)的數(shù)學(xué)?！?/strong>

那么OpenAI自稱(chēng)的「6道很可能正確」到底怎么樣了？

事態(tài)很快出現(xiàn)了戲劇性轉(zhuǎn)折。

論文發(fā)布不到一天，數(shù)學(xué)社區(qū)就開(kāi)始對(duì)OpenAI的解答進(jìn)行逐題審查。

Pachocki自己很快更新了聲明，承認(rèn)第2題（關(guān)于扭曲局部Rankin-Selberg積分的非消沒(méi)檢驗(yàn)向量）的解答「很可能不正確」。

社區(qū)的獨(dú)立評(píng)審則進(jìn)一步發(fā)現(xiàn)，第5題（關(guān)于等變穩(wěn)定范疇的O-適應(yīng)切片濾過(guò)）和第7題（關(guān)于Q-無(wú)環(huán)萬(wàn)有覆疊的均勻格）的解答也存在嚴(yán)重漏洞。

到目前為止，根據(jù)《科學(xué)美國(guó)人》的報(bào)道以及社區(qū)數(shù)學(xué)家的獨(dú)立評(píng)判，比較確定正確的是第4題（有限加法卷積的調(diào)和平均不等式）、第8題（四價(jià)多面體拉格朗日曲面的光滑化）、第9題和第10題。

其余幾道仍在審查中，但整體來(lái)看，OpenAI的實(shí)際命中率很可能低于其最初宣稱(chēng)的六成。

依然是一個(gè)歷史時(shí)刻

盡管真實(shí)成績(jī)可能沒(méi)有OpenAI宣傳的那么輝煌，但我們不應(yīng)因此低估這件事的歷史意義。

哪怕最終確認(rèn)只有3到4道題被正確解答，這也意味著一個(gè)AI，在面對(duì)從未見(jiàn)過(guò)的、真正前沿的數(shù)學(xué)研究問(wèn)題時(shí)，能在一周之內(nèi)獨(dú)立（或半獨(dú)立地）給出嚴(yán)格的數(shù)學(xué)證明。

這在幾年前是完全不可想象的事情。

2022年，當(dāng)時(shí)ChatGPT還經(jīng)常在分?jǐn)?shù)加減法上犯錯(cuò)。

2024年，AI開(kāi)始能解一些競(jìng)賽數(shù)學(xué)題。

2025年夏天，OpenAI的模型在國(guó)際數(shù)學(xué)奧林匹克上拿到金牌成績(jī)。

而現(xiàn)在——2026年2月——AI正在嘗試解答人類(lèi)數(shù)學(xué)家正在研究的、從未發(fā)表過(guò)的原創(chuàng)問(wèn)題。

從小學(xué)算術(shù)到前沿研究，這條路走了不到四年。

這個(gè)速度，才是真正讓人心跳加速的地方。

更值得關(guān)注的是那些被AI做對(duì)了的題目。

比如第4題，關(guān)于有限加法卷積中Φ_n函數(shù)的調(diào)和平均不等式——這需要一系列精巧的線(xiàn)性代數(shù)操作、對(duì)雙隨機(jī)矩陣的深刻理解、以及Jensen不等式的巧妙應(yīng)用。

OpenAI的模型寫(xiě)出了一個(gè)自包含的23頁(yè)證明，邏輯鏈條完整，最終被專(zhuān)家確認(rèn)為正確。

一個(gè)AI，獨(dú)立完成了一篇可以發(fā)表在數(shù)學(xué)期刊上的研究級(jí)證明。

這不是做題，這就是做研究。

數(shù)學(xué)家要失業(yè)了嗎？

至少現(xiàn)在，還不會(huì)。

《科學(xué)美國(guó)人》在報(bào)道這次事件時(shí)給出的判斷很直接：「AI目前還不能取代數(shù)學(xué)家?！?/strong>

為什么？

因?yàn)閿?shù)學(xué)研究遠(yuǎn)不止「證明一個(gè)已知問(wèn)題」這一個(gè)環(huán)節(jié)。

真正的數(shù)學(xué)研究包括：發(fā)現(xiàn)值得研究的問(wèn)題、創(chuàng)造新的概念和定義、構(gòu)建新的理論框架——然后才是證明。

First Proof測(cè)試的只是最后一步，也是最機(jī)械化的一步。

而在前面那些需要真正的洞察力、審美判斷和開(kāi)創(chuàng)性想象的環(huán)節(jié)，AI目前連門(mén)都還沒(méi)摸到。

但奧特曼說(shuō)的也沒(méi)錯(cuò)：速度是關(guān)鍵變量。

如果AI從做不了小學(xué)數(shù)學(xué)到能碰前沿研究只用了四年。

那再過(guò)四年呢？

有趣的是，一些頂尖數(shù)學(xué)家已經(jīng)開(kāi)始用腳投票。

哥倫比亞大學(xué)的數(shù)學(xué)天才Ashwin Sawhney從學(xué)術(shù)界休假加入了OpenAI。意大利數(shù)學(xué)家Pagano則去了Google DeepMind。

他們的理由出奇一致：「很明顯這將改變我們做數(shù)學(xué)的方式，與其以后被動(dòng)適應(yīng)，不如趁早參與。」

面團(tuán)還在發(fā)酵

First Proof團(tuán)隊(duì)已經(jīng)宣布，他們將在3月14日（恰好是π日）發(fā)布更多細(xì)節(jié)和分析，并計(jì)劃在未來(lái)幾個(gè)月內(nèi)發(fā)布第二批問(wèn)題——附帶更嚴(yán)格的評(píng)判標(biāo)準(zhǔn)和更完善的規(guī)則。

他們甚至愿意與AI公司簽訂協(xié)議，在問(wèn)題公開(kāi)前進(jìn)行受控測(cè)試。

這不是一場(chǎng)考試的結(jié)束，而是一個(gè)新時(shí)代的開(kāi)始。

數(shù)學(xué)——這門(mén)人類(lèi)最古老、最純粹的智力活動(dòng)——正在第一次面臨一個(gè)真正的對(duì)話(huà)伙伴。

這個(gè)伙伴有時(shí)胡說(shuō)八道，有時(shí)又驚人地深刻。

它會(huì)用19世紀(jì)的語(yǔ)言說(shuō)話(huà)，但運(yùn)算速度是21世紀(jì)的。

它還不能代替數(shù)學(xué)家思考，但它已經(jīng)可以在某些關(guān)鍵節(jié)點(diǎn)上為數(shù)學(xué)家分擔(dān)工作。

面團(tuán)還在發(fā)酵。

我們已經(jīng)聞到面包的香味了。

參考資料：

https://x.com/merettm/status/2022517085193277874

https://x.com/polynoamial/status/2022527227049742779

https://x.com/sama/status/2022729068949717182