OpenAI 公布数学与理论计算机科学十大进展：从 Erdős 猜想到量子复杂性
OpenAI 公布数学与理论计算机科学十大进展：从 Erdős 猜想到量子复杂性
2026 年 8 月 1 日，OpenAI 发表博客文章，公布了其内部模型在数学与理论计算机科学领域取得的十项新成果。这些成果针对的是多个已公开至少十年、且在主要结论上长期没有进展的难题，覆盖高维几何、编码理论、算术电路复杂度、群论、算子代数、量子复杂性、格密码和极值组合等方向。
事件概述
OpenAI 在公告中表示，希望通过 AI 工具加速科学发现。为此，他们此前推出了 ChatGPT for Academic Researchers 计划，为 10 万名科学家和数学家提供免费使用其最强 ChatGPT 模型的机会。同时，OpenAI 也在开发过程中持续用开放研究问题评估模型能力。
今年 5 月，OpenAI 曾分享过一个由未发布模型在评估中发现的 Erdős 单位距离猜想反例。该工作已引发数学与理论计算机科学领域的后续研究。今天公布的十项新结果，据称全部由 OpenAI 下一个主要模型 Astra 的内部版本完成，每个问题在此前至少十年没有主要进展，其中大部分问题的搁置时间远超过十年。
关键技术点
OpenAI 表示，解决这十个问题所需的全部 token 数，按 Sol API 费率计算成本约为 2000 美元。人类研究者使用同一模型协助整理手稿，随后模型将每个论证形式化为 Lean 证书（Lean certificate）。OpenAI 还同步发布了每个解决方案对应的模型思维过程叙述。
十项成果的具体内容如下：
1. 高维球堆积（High-dimensional sphere packing）：将球堆积密度的上界推进到 Cohn–Elkies 阈值。
2. 二元码与球面码（Binary and spherical codes）：在任意给定最小距离下，二元码最大尺寸的界得到指数级改进，并给出了高维球面码的类似结果。
3. 非 sofic 群（Non-sofic groups）：通过构造性证明确立了非 sofic 群的存在性，回应了群论中的一个核心开放问题。
4. Connes 刚性猜想（Connes’s rigidity conjecture）：构建了反例，推翻了一个长期猜想——该猜想认为某些群可由其 von Neumann 代数唯一确定。
5. 算术电路复杂度（Arithmetic circuit complexity）：给出了计算永久式（permanent）所需的算术电路与公式的新下界，其中包括阶为 n⁴/log n 的算术公式下界。
6. 量子并行重复（Quantum parallel repetition）：针对一般双人量子博弈证明了指数级并行重复定理，将经典复杂性理论中的基本原理推广到了量子场景。
7. 最近向量问题（Closest vector problem）：证明了最近向量问题在多因子近似下的硬度，这个问题与后量子密码学中的格基密码直接相关。
8. Ehrhart 体积猜想（Ehrhart’s volume conjecture）：在所有维度上确定了：以质心为唯一内部格点的凸体的最大可能体积。
9. 多色 Ramsey 数（Multicolor Ramsey numbers）：给出了多色三角形 Ramsey 数的超指数下界，解决了 Erdős 问题 183。
10. 极值数猜想（Extremal number conjectures）：在极值图论中取得了关于紧致性和退化性猜想的结果，解决了 Erdős 问题 146 和 180。
上述第 1、2、5 项属于数学与理论计算机科学的交叉地带，第 7 项直接关系到密码学实践，其余多项则触及数学内部长期悬而未决的基础问题。
对数据科学或 AI Agent 落地的意义
这次发布对 AI 在数据科学与科研自动化方向的落地有许多值得思考的启示。
首先，它展示了“AI 参与开放式研究问题求解”的可行性。与常见的大规模数据拟合任务不同，数学问题要求严格的逻辑推理和长程规划，模型能够在这类问题上取得实质性突破，说明其推理能力已超出常规基准测试所能刻画的范畴。
其次，Lean 形式化验证的引入值得关注。每个论证都被模型形式化为 Lean 证书，这意味着 AI 的推理结果可以被机器自动验证。这种“生成加验证”的组合，恰好对应 AI Agent 可靠性落地中一个核心思路：在不可信的环境下，通过外部验证机制约束模型输出。对数据科学场景而言，类似的模式可以延伸到数据管线校验、实验结论复核等领域，但当前这套形式化流程主要针对数学证明，能否迁移到更广泛的数据科学任务，原文未说明。
第三，成本数据透露了一些信息。十个高难度问题、约 2000 美元的 API 费用，这种量级的成本是科研机构可以承受的，也意味着 AI 数学研究的经济门槛正在快速下降。但原文未说明模型的具体规模、推理时长和 token 消耗分布，因此难以进一步推算其扩展性。
第四，OpenAI 明确表示，这些想法对人类研究者开放，希望数学社区深入参与、将思想带入新的研究与发现之中。这与 AI Agent 生态中“模型生成初步结果、人类专家判断把关”的协作范式是一致的。
我的技术点评
这可能是目前公开报道中，AI 在数学研究上一次性成果最多、覆盖面最广的一次发布。从 Erdős 单位距离猜想反例，到非 sofic 群的存在性构造，再到量子并行重复定理，这些问题此前被数学界认为是 AI 短期内难以触及的。如果这些结果被数学社区验证成立，它们将具有里程碑意义。
特别值得肯定的是 OpenAI 在责任归属上的处理方式。他们没有把 AI 生成的数学论证包装成“人类证明”，而是明确指出：数学论证由系统生成，人类负责准备手稿和 Lean 形式化验证，并对结果的正确性负责。这一态度与 Leiden 宣言所表达的关切形成了某种呼应——AI 参与数学研究已是现实，关键问题不再是“是否允许”，而是“如何诚实归属并建立审稿机制”。原文未说明具体的人类与模型协同时长、验证流程细节，也未说明哪些部分由人类修改、哪些由模型独立撰写，这些信息对于完整评估成果质量仍然必要。
另一个值得关注的点是，OpenAI 提到自 Erdős 单位距离猜想反例公布以来，已经催生了一系列后续研究，包括 sum-product 猜想在实数域不成立、Minkowski 网格的重复距离计数、SETH 条件下的最远点对下界等。这说明 AI 发现的数学对象已经开始启发人类研究者的下一步思考。这种“AI 产出反例或构造、人类跟进理解”的节奏，可能会成为未来 AI 数学研究的一种常见范式。
就我个人而言，这十项结果中最具冲击力的是第 6 项（量子并行重复）。经典复杂性
