AI确实撞开了"未解难题"的门，但它交出的答卷，眼下仍然需要人类打分。10月25日到26日，OpenAI和Anthropic几乎先后脚宣布：自家模型证伪了统治理论计算机科学27年的"指数时间假设"（ETH）。ETH的两位提出者Russell Impagliazzo和Ramamohan Paturi已被请出山，MIT教授Ryan Williams牵头的独立核查正在进行——Williams说，OpenAI的证明里有些部分常规，但有两三处"看起来很陌生"，需要整个学界一起研究。两家的结果目前都是未经同行评审的预印本宣告。所以，"学数学、做研究还有必要自己啃题吗"的答案，恰恰藏在这些宣告之后的工序里：此刻最稀缺的不是出题给AI做，而是能读懂、能核查、能消化这些证明的人——那种能力，正是靠啃题练出来的。36氪知乎微博
AI这次推倒的不是题目，是别人的前提
ETH是1999年写下的一个假设：3-SAT这类问题不存在亚指数时间算法。打个比方，破解一把有n个开关的锁，耗时随开关数呈指数暴涨；你可以把指数抠小一点，但永远翻不过这堵"指数墙"。过去二十多年，图论、组合优化、数据库、计算生物学里，以ETH为前提推导问题"计算上不可能更快"的论文有成百上千篇——ETH一旦被证伪，这批论文的前提都要重新审视。这才是它比一道难题更重的原因：倒下的不是某道题的解法，而是一整个"条件性下界"研究方向的地基。36氪
但"证伪"两个字的分量，得按行内口径校准。有研究者在知乎指出，AI给出的算法改进只发生在指数上的polylog因子：对照1999年的原版表述确实算推翻，可"问题到底有多难"的实际感受几乎没变。知乎
论文自己也写明，这个结果只有渐近意义，在实际规模的公式上不会比穷举更快，也不直接回答P与NP问题。OpenAI方面称已检查过，有较大把握该结果不影响现有密码系统。ETH的体量本就到不了千禧年难题或黎曼猜想那个级别。知乎
同一波里另一个被传成"AI解决千年难题"的说法也需要拆。OpenAI这次公布的是三项理论主张：调和分析中的局部平滑猜想被证、ETH被给出反例算法、四维杨–米尔斯理论严格存在性取得进展。就杨–米尔斯而言，千禧年问题的完整表述是"证明四维纯杨–米尔斯理论存在，且存在严格为正的质量间隙"——这次动的是前半句的存在性，后半句的质量间隙仍然悬置，两者难度不可同日而语。完整证明材料尚未公开，将由David Gross牵头的学者团队负责梳理和解释。把存在性证明直接写成"千禧年难题已解"，是这类热点里最常见的一步误读。微博知乎
从"宣告"到"确认"，中间全是人
最扎眼的是署名。Anthropic的论文页留下了一段"来源声明"：核心算法由一个内部Claude研究模型于10月16日找到，消耗1400万输出Token，没有任何人类输入。戏剧性的是撞车过程：Anthropic数学家Levent Alpöge公开质疑OpenAI的证明借鉴了已有工作，数小时后，Anthropic放出了同题论文。两家实验室用不同方法得出相近结论，确实提高了结果成立的可能性——但最终说了算的，仍是专家核查。36氪知乎
人类正在补位的环节，恰恰是啃题训练的那一种。英伟达架构师Shiva Kintali把OpenAI原版60多页的证伪证明压缩成22页的人类可读版，砍掉繁琐步骤、补上算例。两家公司也没有只甩一篇PDF，而是同时公开了Lean形式化证明代码，交给"电子审稿人"逐行检查逻辑。36氪
但Lean通过不等于盖章。今年8月，一份用300行Lean证伪科拉兹猜想的论文草稿三天后被判无效——它实际上钻了Lean内核的一个底层漏洞。10月中旬，OpenAI还因符号写错导致论证失效，撤回了3篇AI数学手稿。36氪知乎
事后针对Lean内核的审计发现，里面的问题不止一处。更根本的提醒来自Rutgers大学教授Alex Kontorovich：形式化数学最大的盲区，不在"推对了导"，而在"说对了话"——定理证对了、题目抄错了，机器照样放行。36氪
批改权回到人手里，啃题练的是什么
回到那个焦虑的问题：既然AI能"独立推演、零人类输入"，学数学、做研究还要自己啃题吗？
哥伦比亚大学教授Henry Yuen的经历给出了参照。AI在他2016年的工作之上推进出了正确证明，他相信这份证明是对的，但坦言自己到现在还在消化：机器保住了每一步推导，却保不住理解，那只是一份形式化，不代表他看懂了。他判断，数学家的日子不会闲下来，“既要驯服这些思想巨兽，还得把它们的黑话翻译成人话”。宣布结果的厂商自己也调整了姿态：OpenAI发布四项数学研究原则，放弃一切学术署名并捐献资金，等于承认AI产物必须经人类审阅把关，社区正把这件事写进规则。36氪知乎
啃题的意义从来不是抢在AI前面写出证明，而是练出判断"这步对不对、这个问题值不值得做"的能力。一个从没亲手挣扎过证明的人，面对一份60页的"外星"证明和一个内核漏洞，是没有分辨力的。当AI可以一次放出722篇数学论文时，数学的瓶颈已经从"没人证得出"转移到"没人验得过、没人看得懂"——验证能力和提问能力反而成了稀缺件。相机发明后，绘画不再比拼"画得像"，长出了印象派；当AI接管"算与证"，留给人的是更根本的两头：什么问题值得提出，什么证明值得相信。知乎36氪
对学生和研究者，眼下更可操作的做法不是跟着热搜改赛道：别跳过"自己动手证一遍"的过程，那是日后给AI作业打分的底子。判断一项AI数学新闻的分量，可以盯三个可观察信号：完整材料是否公开、形式化验证能否被独立团队复现、有没有后续论文在同一框架上继续推进。ETH证伪如果最终通过审查，是真实的历史性突破；如果核查后被推翻，也恰好再证明一次：从宣告到确认之间，站着的必须是人。AI可以接手"解题"，但截至这一轮所有公告，"批改"还没有交出去。知乎
