北京时间10月7日，OpenAI把一批由未发布内部模型产生的数学结果公开在GitHub上，首版目录共722份手稿，归为372个结果家族。两天后，3篇被撤回，目录剩719篇。「数学家怎么看」这个问题没有单一答案：有人称它是数学的里程碑但坚持要人来核验，有人发表声明把这种发布方式定性为权力展示，也有人因为自己钻研多年的方向被批量命中而情绪崩溃。对理工科学生来说，这场风波更直接的身份是一堂公开课：AI能批量产出的东西越来越便宜，值钱的是定义问题、验证结果和消化成果的能力。盒饭财经机器之心
拆开这份清单，口径比「722」这个数字本身更重要。372个家族中，205族只有一篇手稿，167族由多篇构成，最大的一个家族有14篇——一篇证主结论，另一篇补关键步骤或给反例是常态，所以手稿数、结果数、家族数是三套不同的账。据披露，这批手稿包含377项新证明，其中约三分之一涉及数学界广泛关注的重要猜想，其余多为细分领域结果或已有证明的变体。OpenAI说绝大多数结果来自同一流程、同一个内部模型，每项结果消耗的计算量平均约相当于ChatGPT Pro思考三个小时。盒饭财经机器之心新智元
但清单里的「证明了」「解决了」目前都还是OpenAI自己的表述。社交媒体上最热的几项——四维挂谷、霍奇猜想的CM情形、有理数域上的希尔伯特第十问题、Baum–Connes反例——恰好都还没有Lean形式化。 按手稿逐篇统计，只有162篇的主要结果经过了计算机验证。 没有形式化支撑的那部分，目前只能算待审的声称。传播最广的第074号成果——声称证明三维挂谷极大函数猜想和四维挂谷集维数猜想、把菲尔兹奖得主王虹的成果向前推两步的那组——既没有形式化也没有同行评审，OpenAI在README里承认一些未经形式化的结果可能有问题。机器之心爱范儿量子位
数学界的反应不是一堵墙，而是三层
最先到来的不是愤怒而是规则之争。9月，陶哲轩等25名菲尔兹奖得主署名发表《人工智能在数学中的严重错位》，预警AI介入基础数学研究的风险。 发布之后，人类数学协会（AHM）的声明措辞更重：数学家并没有要求做这些工作，一次性发布700多个文件展示的不是学术，而是权力，并敦促数学家停止与OpenAI合作。需要纠正一个被广泛转载的说法：这份抵制声明并非陶哲轩领衔，他不在该协会的会员名单里，只是在自己的博客转载了它。荔观Lab量子位爱范儿
第二层是切身的职业冲击。2022年菲尔兹奖得主Hugo Duminil-Copin说这批成果里有16个命中他长期钻研的方向，他说周二晚上自己哭了，还把女儿吵醒了。研究唯一游戏猜想多年的理论计算机科学家Dana Moshkovitz读到对应的「证明」后形容，那像是吃了致幻剂的人写出来的东西。冲击的分配并不均匀：已成名的数学家可以调转方向，而博士生和博士后的一纸前程往往押在少数几个问题上，题目被模型抢先「解决」，几年的积累可能一夜贬值。机器之心荔观Lab
第三层是冷静的肯定。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」，同时提醒证明仍需人类数学家核验、消化。王虹获奖后把AI形容为数学研究的主动性助推器，认为提出问题、创造概念、构建理论仍然是数学家的核心工作。三方立场拼起来，才是标题问题的完整回答：数学界反对的主要是发布方式，承认的恰恰是能力，真正焦虑的是谁来消化。盒饭财经量子位
争议最终会卡在验证上
这是整件事对科研生态的结构性冲击：AI的生产成本塌下去了，理解和验证的成本没有。MIT工程教育副院长Justin Solomon给出的参照是，顶级会议ICLR十年前只有一两千份投稿，今年如海啸般暴增到了六万份。陶哲轩把这种状态称为「证明消化不良」——AI以工业化速度批量生产证明，人类根本来不及验证、理解和吸收。OpenAI已宣布出资资助研讨班和会议帮助学界消化这些结果，但尚未给出预算和落实时间表。新智元荔观Lab
社区侧的核验已经自发开始：有人重新运行了准黎曼结果的Lean检查并报告通过，也有矩阵乘法的推广结果通过了Lean检查。而按数学界惯例，这批成果中任何一项要被学界真正接纳，都可能需要数月乃至数年——722篇手稿真正的考验从这里才开始。爱范儿
理工科生能从那722篇手稿里抄什么作业
这场风波恰好演示了一套可复制的AI科研工作流，每一条都能在事件本身找到依据。
先把问题写成AI能执行的样子。 OpenAI累计向模型提供了约4000个研究问题，再对输出做筛选归组；能批量出结果的前提，是每个任务把研究对象、输入条件、要证的结论和什么反例足以推翻它都写得明明白白。「帮我想个方向」式的提问换不来结果——田渊栋的原话是，让模型自己想点子，它会给出一堆非常平庸的想法。同一个任务，写成「已知A、B，证明C，构造出满足D的对象即算反例」再交给模型，和丢一句「帮我想想这个问题」，产出是两个量级的差别。盒饭财经机器之心
先搭裁判，再放量。 数学之所以是AI最先攻陷的科学领域，是因为它自带裁判：一份Lean证明对不对，编译器说了算；可问题一旦从纸面转向材料、生物这类实验学科，就没有任何形式化系统能替代一次真实的实验。对应的提效纪律是：写代码就拿测试和类型检查验收，做推导就要求逐步可复算，给实验结论就配可复现的方案——验证不上的部分，别让AI的输出进入核心论证。两个真实翻车模式要记牢：模型天生喜欢顺着人说话，这在要求绝对严谨的领域极其致命；而OpenAI撤回的那3篇手稿，源头只是核心论证里一个符号错误。机器之心新智元
把「算不动的丑活」交给AI，把「解释」留给自己。 多伦多大学的Daniel Litt收到过模型给的10页暴力计算证明，正确但毫无洞见；他拒绝照单全收，反而被逼出了一个漂亮的概念性解释——对研究者来说，理解恰恰长在「算不动」的地方。用法可以直接平移：让模型做文献粗筛、公式推导、代码翻译、边界情形穷举这类体力活，自己守住选题判断、机制解释和论文表达——前者是提效，后者才是护城河。荔观Lab
把「读得懂AI」练成稀缺技能。 审稿瓶颈已经写在数据里，而能读懂AI结果的人正在变成学术体系的新关口：数学家担心年轻研究者失去训练直觉的题目，但同一枚硬币的另一面是，谁能核验AI证明、把「外星逻辑」翻译成人话、向学生讲清哪些步骤关键，谁就站在下一轮科研分工的上游。这次发布附带的10份删节推理摘要连模型失败的尝试都保留了，展示的真实工作方式是：提出方案、检查哪里失效、调整路线、调用已有定理——这套循环恰好可以套进任何AI辅助的研究任务里。盒饭财经
722篇手稿最终有多少能经受住检验、数学家要多久读完，眼下都没有定论。但有一点现在就能写进学习方法里：AI提效从来不是更快地生成第一个答案，而是压缩从猜想到经过验证的结论之间的时间——前提是验证的闭环，和判断什么值得验证的能力，握在你自己手里。
