10 月 26 日，OpenAI 宣布其内部模型取得三项成果：证明所有维度下的局部光滑猜想、证伪理论计算机科学中的指数时间假设（ETH），以及为包括量子色动力学（QCD）在内的四维规范场论给出严格数学存在性证明。 这三项结果目前均未通过同行评审。真正值得注意的是，OpenAI 为这三项成果分别安排了三种不同的人工消化方式——“AI 生成证明、Lean 机器核验、人类审查转译”这条流水线，才是近期最可观察的科研模式变化。新浪科技知乎
三项成果，分量与处境各不相同
局部光滑猜想由数学家 Christopher Sogge 在 1991 年提出：波可以在某个瞬间猛烈聚焦，但这种最极端的聚焦必然短暂，时间平均会带来额外的规则性。二维情形此前已由 Larry Guth、王虹和张瑞祥解决，王虹还因调和分析方向的贡献，与邓煜等人一同获得 2026 年 7 月公布的菲尔兹奖。 OpenAI 称模型找到一种此前未使用过的辅助偏微分方程，把证明推进到所有空间维度；按 OpenAI 的论述，这一结果连带解决所有维度的挂谷猜想与 Stein 限制性猜想，中文数学社区常把这条经典蕴含链概括为“推平调和分析四大猜想”。新智元机器之心
时间线很紧：模型 10 月 18 日得到证明，19 日完成 Lean 4 形式化，自然语言手稿和形式化证明直接公开。与另外两项不同，OpenAI 没有为数学部分指定先行审查小组，而是让研究者直接进入公开材料、自行组织复核。机器之心
ETH 由 Russell Impagliazzo、Ramamohan Paturi 和 Francis Zane 在 1990 年代末提出：不存在能在亚指数时间内解决所有 3-SAT 问题的算法。此后近 30 年，数百篇论文以它为前提推导图算法、数据库查询等领域的计算下界。OpenAI 称模型针对子句数与变量数成比例的问题，构造出形如 2^(O(n/√log n)) 时间的确定性算法，既能判定可满足性、还能精确计数满足条件的赋值——若证明成立，ETH 即告证伪；但证伪 ETH 并不等于所有困难问题都能快速解决。最有象征性的是审查安排：OpenAI 邀请了 Impagliazzo、Paturi 与 MIT 的 Ryan Williams 组织外部研究团队，对这份 AI 反证进行开放、独立的审查。 近 30 年前提出假设的人，正与同行一起检查 AI 给出的反证。机器之心
第三项最靠近现代物理学的基础：QCD 描述夸克与胶子的强相互作用，在实验计算中极其成功，但在四维时空中把它严格构造成满足公理的量子场论长期没有着落。OpenAI 称模型沿着数学物理学家 Tadeusz Balaban 的构造性量子场论路线给出了存在性证明，杨–米尔斯存在性正是克雷数学研究所千禧年难题正式表述所涵盖的问题。电商在线
这项材料的处境也特殊：杨–米尔斯存在性证明早在 9 月 9 日就已生成，9 月 18 日补上 QCD 部分，公司等到 10 月 16 日完成 Lean 形式化才推进外部合作；由 2004 年诺贝尔奖得主 David Gross 牵头的专家组选择先把长篇材料转译成同行可读、可用的研究文本，暂不公开 AI 原始证明。机器之心
比结果更重要的，是“生成”与“理解”被拆成了两段
OpenAI 对这些 AI 产物有一个耐人寻味的定位：原始研究数据。“产生证明”可以由模型先行完成，而“形成科学理解”——复核论证、重写解释、判断贡献、把新工具放进学科知识体系——仍需要人来做。机器之心
直接公开、请原始提出者审查、交专家整理后发表，这三条管道对应的其实是同一件事：当 AI 能在几周内产出过去需要整个领域消化多年的结果时，科学界如何接收。OpenAI 配套给出的原则也指向同一方向——外部成员自愿独立参与、不签保密协议、不替 OpenAI 换学术署名。公司还承诺支持独立审查，并投入此前宣布的、面向西蒙斯基金会相关计划的 500 万美元。机器之心
科学界自己也在要同样的规则。《自然》杂志 9 月的社论指出，AI 公司应与科学界合作建立可靠、透明的成果贡献认定机制，并通过独立验证和研究过程透明来维护科研诚信。 如果这套安排被沿用，科研的瓶颈将从“谁能想出证明”转向“谁来完成验证、转译和吸收”。光明网
现在还不能把“AI 证明了”当成定论
先例已经出现。10 月 6 日，OpenAI 一次性放出 722 份数学手稿、分属 372 个成果族，来自 4000 多个研究问题的测试，平均每项成果消耗约三小时 ChatGPT Pro 量级的计算。 发布后不久，就有 3 份手稿因证明中的明显错误被主动撤回。形式化能验证定理成立，但形式化陈述是否精确对应原猜想、证明里哪些方法值得吸收，仍要人来判断。科普中国知乎
社区的争论恰恰卡在“可验证”与“可理解”之间。有数学博主直言，模型写出的东西连 OpenAI 自己都读不过来，大家只能信任 Lean 的忠实性。 也有获六千多赞同的分析指出，这批成果很多依赖高阶项的精确相消——人类工作内存撑死同时追踪五六个变量，“优雅”本是迁就脑容量的拐杖，而 AI 没有这个限制。 换言之，相当一部分 AI 证明可能“可验证但不可读”，知识的生产与教学都绕不开这个新问题。知乎知乎
更宏观的警惕早有组织。9 月 11 日，25 位菲尔兹奖得主联名发表题为《人工智能在数学领域中的严重错位》的声明，承认 AI 有增强数学的潜力，同时警告其批量生成命题的速度可能阻碍验证、新方法确立和成果融入知识体系，并对成果归属与剽窃风险提出担忧。 9 月的“撞车”纠纷则把问题推向个人层面：纽约大学数学家巴克马斯特公布纳维–斯托克斯问题进展的次日，OpenAI 就宣布其智能体解决了这一难题，他随即质疑自己输入工具的信息是否进了训练数据，OpenAI 予以否认。光明网光明网
接下来该盯什么
三类信号值得依次观察：Williams 等人的 ETH 独立审查何时给出结论；数学社区对局部光滑化证明的复核进度，以及 OpenAI 会不会再次撤回；Gross 工作组能否把 AI 的长篇证明转译成同行可继续使用的正式论文。在这些落地之前，“AI 证明了三大难题”更准确的读法是“AI 生成了三份等待人类裁决的证明”。而对科研从业者来说，这三周演示出的分工——机器出结果、形式化兜底、人负责审查与理解、署名和经费向消化环节倾斜——已经足以成为未来科研模式最早的完整样本。
