OpenAI 公开 722 篇 AI 数学论文

OpenAI 10 月 6 日在 GitHub 仓库 openai/math（Apache-2.0 许可）一次性公开 722 份数学手稿，归入 372 个问题族。产出者是一个未公开命名的内部前沿模型——8 月 28 日起训练、官方口径称能力「显著强于 GPT-6 Astra」；模型面对约 4000 个问题，平均每个结果耗费约 3 小时 ChatGPT Pro 等效算力。多数手稿带 Lean 形式化证明；两个 standout 结果走了不同路径：黎曼 zeta 函数零点无零区（Re(s)>11/12，人工执笔成文）与 CM 阿贝尔簇上的 Hodge 猜想证明。The Verge、NYT 当日跟进。

要点

• 规模：722 份手稿 / 372 个问题族，Apache-2.0 开源
• 模型：未命名的内部前沿模型（训练自 8 月 28 日，强于 GPT-6 Astra），9 月 5 日完成首个结果
• 算力：平均每个结果 ≈ 3 小时 ChatGPT Pro 等效算力
• 验证：多数带 Lean 形式化；README 自认「未形式化的结果可能有问题」，承诺版本化更正
• 亮点：黎曼 zeta 零点无零区（Re(s)>11/12）、CM 阿贝尔簇 Hodge 猜想；样题包括 π 的无理性指数、Mahler 猜想、自由群因子同构等
• 反对声音：IAS 数学与 AI 独立顾问组 9 月 29 日建议书明确「不背书，要求停止在专有模型上测试高等数学问题」

顾问组与执行差距

IAS 的独立顾问组（9 月 29 日、600+ 社区意见后）给出的要求清单具体而苛刻：结果存入非实验室控制的仓库、披露模型名、提示词、思维链摘要、算力成本与失败尝试。对照本次发布：仓库确实是 GitHub 而非自家平台，Lean 形式化与 10 份推理摘要提供了部分可验证性——但模型名未公开、失败尝试未披露、算力数字只有平均值。执行了一半，正是这场治理拉锯的现状。

数学界怎么消化这件事

顾问组的「停止」建议 vs OpenAI 的 722 篇，夹在中间的是数学家社区的注意力经济：Unite.AI 与 The Verge 都指出，这批手稿里真正的新定理占比未披露——大量结果可能是已知定理的新证明或强化版本。对职业数学家，722 篇里淘金的成本不低；但 Lean 形式化部分可以程序化筛读，已有数学家在 X 上组织「Lean 先行」的分拣。德高望重的拥趸（如 9 月为 OpenAI 背书的陶哲轩阵营）与顾问组的审慎形成两极，社区共识还没形成。

形式化是这批手稿的护城河

区分「AI 生成的数学文本」与「AI 证明的数学」的关键在 Lean：机器可检验的证明不依赖审稿人的善意，722 篇里能过 Lean 的部分是硬成果，不能过的部分（README 自己承认可能有问题）则回到了传统评审的世界。这也解释了 OpenAI 为什么敢一次放 722 篇——有形式化兜底，出错可版本化更正，审稿成本从「人读」转移到「机器验」。

编辑判断：与限流对撞

arXiv 上月刚实施每月 2 篇限流，防的是人类灌水；722 篇的 AI 产能正面撞上人类评审体系的容量上限。顾问组的「停止」要求没有强制力，但它把问题摆上了台面：当证明可以机器检验，出版体系的价值还剩什么？对研究者，这批手稿是免费的题库与对照集；对出版体系，这是本月第二次被 AI 产能逼到墙角——第一次是 722 篇本身的规模，第二次是「机器可检验的证明不需要期刊」这个越来越难反驳的论点。可以预期的折中方案正在成形：AI 生成结论走形式化验证仓，人类叙述走传统出版，两套体系各发各的 DOI。