10月7日，OpenAI从自己四天前刚公开的722篇数学手稿里撤回了3篇；截至10月10日，撤稿数字没有再扩大，涉及纳维–斯托克斯方程的草稿也未被撤回。这场被称作"数学末日"的风波，撤掉的不是"AI会不会做数学"，而是"这批成果可以直接被采信"的错觉——在AI科研与"完美可信"之间，隔着机器验证、忠实性检验、同行消化三道工序。比起急着站队喊"AI取代数学家"，先理清满天飞的722、719、3、42%、24%才更有意义。IT时代网
撤掉的3篇，错在一个加减号
美国时间10月6日，OpenAI在GitHub上线openai/math仓库：722篇数学手稿、372个结果族，全部出自一个尚未发布的内部模型；模型在内部评测中被投喂约4000个开放数学问题，平均每个结果消耗约3小时ChatGPT Pro"思考"算力。4000道题里筛出372组站得住的，存活率不到一成。知乎知乎
10月7日，仓库第一份更新日志挂出：撤回3篇、修订14篇、另有13篇更新引用，手稿总数从722降为719；“372个家族"这个数从头到尾没变——722和719数的是手稿，372数的是成果组。被撤三篇里出问题的是标注9月18日、讨论Weil类代数性的几何手稿，撤稿说明写着"证明存在符号错误”：证明需要把几何交点的正负计数补到零才能调用后面的定理，原以为某项操作增加正数，实际却增加负数，定理的使用条件没有满足，另外两篇借用这套构造的手稿也一起失去支撑。仓库此后仍在动：10月8日合并的更新PR来自codex/update-10-7分支——OpenAI在用自家编程代理Codex，维护自家数学模型产出的成果库。36氪36氪
六成、42%、24%：形式化率三个数打架
传播最广的说法是"约六成成果带机器验证"，连首报媒体自己都做了修正：所谓六成是按成果族统计，一族中只要有一篇附带形式化就计入；官方公布的42%（300/719）按单篇主结果统计，且把配套与支撑结果的验证也计入top-line口径，其余依赖人工审阅的部分，OpenAI自述可能存在质量问题。逐篇清点目录会更冷静：发布当天162篇论文的主结果有机器验证，约占722篇的22%；10月7日更新后涨到173篇，按目录现列719篇算约24%。看到哪个数，取决于你要问"有没有验证过一部分"，还是"主定理是否被机器逐行检查过"。36氪知乎知乎
Lean通过，不等于论文说对了
比口径差异更实质的，是剑桥大学、伦敦国王学院等机构研究者10月6日发布的《Navier-Stokes lost in translation》提出的"不忠实形式化"指控：自然语言证明与Lean形式化代码之间存在实质性错配，这并非断言证明本身错误，而是指出计算机验证的实际上是另一个（可能更弱的）命题。另一处细节是：验证中间计算的那段代码，加入了比论文声明更强的条件——论文称该计算在更少条件下即可成立，计算机却只在附加约束下完成验证。知乎IT时代网
而"忠实与否"这一判断本身没有机械手段可言：在数学自然语言中消解歧义以达到语义忠实的翻译，计算复杂度位于可解性复杂度指数（SCI）层级的任意高位，比包括停机问题在内的任何可计算问题都更难。OpenAI的回应与其仓库自述一致：相关错误系内部审查发现，将尽快更正，若无法修正则会撤稿。知乎IT时代网
另外两道验证同样没有进展：模型未发布、提示词未公开，MIT的Andrew Sutherland通过《科学美国人》表态——在他人能够复现之前，"单个提示词、单个智能体完成"的说法应视为未经验证。同时，全部成果零同行评审，数字上还有个悬案：《纽约时报》写377道问题，仓库目录是372组，两个数对不上；编号001到377中间恰好缺了45、61、70、123、163五个号，OpenAI一直没有解释。知乎知乎
数学家抵制的是"一次性倒货"，不是AI
10月7日，人类数学协会（AHM）发布声明呼吁数学家停止与OpenAI合作，声明里最狠的一句是：数学家并没有要求OpenAI做这些工作，一次性放出超过700个文件，不是学术能力的展示，而是权力的展示。语气缓和得多的另一份联合声明出自9月，陶哲轩等25位菲尔兹奖得主作为初始署名者：承认AI数学能力的进步，同时批评企业把解题当作评测竞赛、忽视理解与知识传承。图灵奖得主杨立昆则站到了对面：数学正迎来新时代，形式证明将大幅自动化，重点将转向发展新概念、新抽象、新定义和新猜想。知乎36氪36氪
需要纠正一个流行的标题——“陶哲轩带头抵制”。这个组织2026年8月才成立、成员约800人且大部分是研究生，陶哲轩并不在会员名单里，只是10月7日以客座文章形式把声明转到了自己博客。他真正的主张写在发布当天的帖子里：Math 1.0时代，一个大猜想被解决会催生讲学、研讨班和新合作，证明被慢慢消化、简化、写进教材；而现在，开放问题像庄稼一样被大规模收割。他下的判断很硬：一个问题一旦被宣称解决，就再也回不到未解决的状态；哪怕只是知道解存在，也会污染其他可能带来更深刻洞见的研究路径。评论区获赞最高的反驳同样直白：数学从不问一个结果是不是被别人要求的，只问它是不是对的。知乎36氪
缺的不是产能，是消化能力
最直观的冲击来自具体的人。研究"唯一博弈猜想"二十多年的Dana Moshkovitz，看到AI声称证明了她毕生课题时，短信里的反应是：这感觉就像是吃了致幻剂的人写出来的东西，论文写得太烂，没有AI辅助根本读不懂。她的丈夫Scott Aaronson把这一天称作"Mathocalypse"，数学末日。36氪知乎
两边其实都没说谎：OpenAI说公开总比锁着好，还承诺出资办研讨班帮社区消化这些结果；数学家这边的处境，是一个成本倒挂——生产的成本崩塌了，理解的成本原地不动。一篇论文从写完到被数学界真正消化，正常要以年计，这次722篇一次性砸出来，连读都读不完。当三小时算力就能碾碎一个学者数年甚至一生的积累，稀缺的不再是证明，而是读懂证明的人和时间。知乎知乎
10月7日，组合数学家吉尔·卡莱称这次发布是"数学的一个惊人里程碑"，他紧接着提醒：证明仍需人类数学家核验、消化。一位数学工作者的反问则指向历史：当年Appel和Haken用计算机辅助证明四色定理，你们抵制他们吗？他自己的答案同样清醒：这700多份稿件不能直接当成可信的学术文献，要引用其中的结论，必须独立给出证明。36氪知乎
离完美还有多远：三条可观察的进度线
生成端已经跨过门槛，缺口全在验证端。OpenAI自己列出了后续可观察的信号：撤回与修订的节奏，形式化比例相对300/719的变化，提示词与模型是否公开，以及它承诺的研讨会成果。这次被撤回和实质修订的内容，几乎都落在没有Lean形式化的部分——没经过形式化和同行评审的结果目前只能算"声称"；这次勘误处理得算规范，错误写明、依赖链交代、旧版留档，可700多篇手稿才公开两天，第一份勘误单就来了，大概率不会是最后一份。三道工序里，目前只有机器验证推进了四分之一左右。等这些"有待消化的草稿"被读进教材、被第三方复现、被评审期刊接住之前，这轮闪电战只能叫"声称"，还不能叫"完成"——AI科研离完美差的从来不是一次发布，而是一整套验证制度。知乎36氪
