Inside OpenAI’s Breakthroughs in Mathematical Reasoning

OpenAI 的 Astra 模型用几页复杂分析，首次给出高维球体堆积密度的最优上界，解决了数学界几十年悬而未决的难题。

AI 数学突破靠的不是灵感，而是不放弃

Mark Selki 与 Matab Swani 是两位在 OpenAI 工作、仍在一线做研究的数学家。两人此前合著过论文；其中一人去年夏天看到模型拿到 IMO 金牌后，决定弄清它究竟如何做数学，并在秋天开始用 GPT-5 研究问题。两人谈的不是“模型会不会算题”，而是更具体的一件事：当检索、执行证明和理解论文都变得便宜，数学研究里真正稀缺的环节会移到哪里。

这期回答了 8 个问题：

1. 为什么数学研究中“把一个点子做成”常常比想到点子更难？
2. AI 怎样把人类会放弃的证明路径，变成可抵达的结果？
3. 一则标注为开放的问题，为什么可能只需五分钟就能被重新定性？
4. AI 只能给出更好的答案，还是能证明一整套方法已经到达上限？
5. 为什么同一个模型被多问一句“能不能再推一步”，会得到完全不同的成果？
6. AI 生成的证明为什么没有变成难以审查的千页怪物，反而可能更短？
7. 当证明不再是最大瓶颈，数学家、论文和学术共同体要重新分工什么？
8. 即使 AI 指数级进步，为什么 P versus NP 这样的难题仍可能遥不可及？

被问到 unit distance conjecture，也就是“单位距离猜想”的进展，是否主要来自模型更能坚持执行既有思路时，嘉宾给出的答案很克制：最终构造看上去可以和前人尝试过的方法非常相似。这反而说明，曾有严肃数学家站在差不多的岔路口，只是没能走到终点。

数学研究里常见的一幕是：一个人想到某个方案，觉得它也许能行，于是算几个小时、几天，甚至几周。细节不断冒出来：一个参数要怎么取，两个不等式是否兼容，一个局部构造会不会破坏整体。最后，人会判断继续投入不划算，停下来。一两年后，他可能看到别人用几乎同一个点子做成了。嘉宾说，unit distance conjecture 的难点正是大量“极其琐碎”的细节；模型能靠已有知识和数学判断，在分叉极多的可能路径中持续下注、回退和修正。"it makes the right decisions and is eventually able to prune the search tree."（它会作出正确决策，并最终剪去搜索树。）

这意味着，AI 的优势不只是“耐心更好”，而是把研究者原本会因时间预算提前扔掉的路径，多走一段。证明像在浓雾里走山路：人走错两次，可能就掉头；模型会继续试探，并据新信息调整哪条路还值得走。它并非穷举所有想法，也会犯错、会回退。变化在于，原来被人类成本截断的“最后一公里”，开始有了更稳定的执行者。

被问到模型早期在数学上的惊喜，是不是主要来自跨领域搜索能力更强时，一位嘉宾讲了组合数学里的一个小故事。他常浏览 Paul Erdish 问题汇集网站。网站会把问题标成 open，即“尚未解决”，但这个标签并不等于研究者真能确认它仍然开放：数学文献分散在不同期刊、预印本和引用链里，检索本身常常比读懂一篇论文更折磨人。

有一次，他和几位朋友看到一道标为开放的题，已经讨论了几小时。他们连问题是否处在可解范围内都说不准：也许没人碰过，也许答案早埋在一篇难以发现的旧文献里。于是他把题目输入 GPT-5。"five minutes later it found a reference"（五分钟后，它找到了一个参考文献。）模型不只给出文献，还说明这题可以怎样处理。之后，他们又找到了大约 10 个类似案例。

这意味着，数学工作的第一道门槛——“这到底是不是新问题”“已有工具是否足够”——会从人工摸黑，变成更接近即时分诊。对研究者来说，这不是少读几篇论文那么简单，而是少把数小时甚至数周押在一个状态过期的问题上。当然，模型找到参考文献，不等于每道题都已有完整答案；它首先解决的是信息可见性，而不是替人给出真理担保。但当文献迷雾变薄，研究者才能更准确地决定哪里值得开始证明。

在讲高维 sphere packing，即高维空间里如何把同样大小的球塞得最密时，嘉宾给了一个很能说明问题的数字背景。精确最优解目前只在 1、2、3、8、24 这五个维度已知；除了这些维度，研究者“基本上什么都不知道”。此前，高维情况下最好的上界长期大约是 2 的负 0.599d 次方；Astra 得到的线性规划界约为 2 的负 0.61d 次方。别小看小数点后这一点变化：指数里的常数一动，维度升高后差距会被持续放大。

更关键的是，Astra 做的不是找到一个稍好的函数 f。线性规划界可以理解为：给函数施加几条条件，再用它间接限制球堆积密度，是对原问题的一种 relaxation，也就是“放宽后的替代问题”。模型先构造出达到该界的 f，随后证明没有任何满足同样线性规划条件的 f 能做得更好。"the model was just kind of told like analyze this linear program in high dimensions, you know, go have fun."（人们基本上只是告诉模型：分析一下这个高维线性规划，去玩吧。）

这意味着，AI 能做的不只是沿既有路线挤出一点改进，还能回答更战略的问题：这条路线的天花板在哪儿。一旦确认线性规划框架已经不能更优，数学家就不用继续在这条隧道里挖洞，可以早点另找入口。边界也很清楚：它证明的是该 relaxation 的最优界，不等于所有维度的最密球堆积精确答案已经被解出。

被问到 Astra 在 spherical 和 binary codes，即球面码与二元纠错码问题上的成果，究竟是独立完成还是需要人类互动时，嘉宾讲了一个很具体的例外。除了一对彼此相关的问题外，其余题目基本都是直接交给模型，再等待它返回结果；唯独 codes 的案例有明显的人机来回。

研究者最初的任务其实很有限：把 codes 的界改善一个指数因子。模型完成了，而且使用了一部分表示论——一种研究对称性如何分解的数学工具——然后就停下了。研究者再问一句：“能不能推得更远？”模型才拿出复杂得多的表示论方法。沿着这条方法继续推进，甚至能导出与高维 sphere packing 猜测值相连的结果。嘉宾的描述很直白："It wasn't like a capabilities issue. It just kind of didn't feel like it at the time."（那不像是能力问题；只是它当时没有觉得要继续做下去。）

这意味着，短期内决定研究产出的不只有模型能力，还有任务被切成什么形状。模型很 task oriented，也就是以完成被交办任务为明确终点；它达标后会“满意”。人类或上层 agent 的位置因此更像研究导演：不是代替模型手推每一步，而是识别“这里已经露出矿脉，值得再深挖”。嘉宾认为这只是相对次要的现象，但它也提醒人们，当前模型的主动性仍会被 prompt 的粒度显著塑形。

在讨论 Astra 证明存在 non-sofic group，即存在不能由有限群近似的一类群，以及 AI 证明会不会变成难以审查的怪物时，嘉宾给出了一个很反直觉的对照。此前数学界长期希望所有群都是 sofic；Astra 给出了反例。这个问题的难点不在于写出某个奇怪对象，而在于证明它无法被任何可能的有限群近似，必须把抽象性质压缩成一个具体而精细的组合障碍。

两年前，一个更强的命题 Aldous-Lyons conjecture 被推翻。那份证明大约 250 页，还建立在另一项约 200 页的工作之上，并调用 quantum complexity theory。相比之下，non-sofic group 的直接证明约 15 页，基本留在 group theory，也就是群论内部。嘉宾甚至开玩笑说："only humans can generate like 200page proofs right now."（眼下似乎只有人类会生成两百页左右的证明。）

这意味着，AI 产出新定理不必然意味着同行要面对更多不可验证的文本。至少在这个案例里，模型给出的路线更短、更集中，后续研究者更容易看清它到底排除了什么可能性，也更容易在其上继续延伸。短不等于浅：这份证明仍依赖既有数学结果，也需要精细分析一个高度抽象的近似性质。但它打破了一个常见担忧——机器一旦证明，会不会留下千页、没人敢碰的黑箱。现在看到的，恰好可能相反。

被问到数学共同体该如何吸收 AI 成果、职业分工会怎样变化时，一位嘉宾先讲自己的日常习惯：想理解 arXiv 上一篇论文时，他会把 PDF 放进常用模型，先问大致证明策略。读者可以把这理解成先拿到一张地形图：论文引言告诉你山脉在哪儿，模型先帮你指出作者实际走的是哪条山路。对他而言，这比独自从头啃更快。

这形成了一个双重变化。模型会带来“指数级更多”的数学产出，但也让人更容易吸收那些产出。过去，某人若亲自证明一个重要结果，通常也就自然承担了理解、维护和讲解它的责任。原因很现实：证明本身已经难到足以占满大部分精力，其他工作只能附着在证明者身上发生。现在，证明这个旧瓶颈变弱，知识如何归类、与哪些定理相连、该用什么语言解释给其他人，就会从幕后工作变成显性工作。"the optimal structuring for you know organizing the knowledge could could look rather different."（用于组织这些知识的最优结构，可能会很不一样。）

这意味着，未来共同体不只会问“谁证明了什么”，也会更在意“谁让别人知道这件事放在哪里”。筛选、框定、讲解和连接成果，可能成为更稀缺的能力。边界在于，模型来回核对仍有摩擦；产出越快，公共理解、复核和可信吸收的压力就越大。

被问到数学会不会因为 AI 而变成更经验性的学科，人类还会剩下什么问题时，嘉宾没有把未来说成“难题清零”。他直接举了 P versus NP：这是计算复杂性理论中的核心谜题，粗略说，它问的是“容易验证答案的问题，是否也总能容易找到答案”。嘉宾认为，即使 AI 在数学上继续指数级进步，它仍有可能永远解不开这类问题。

这不是在给模型能力划一条确定边界，而是在指出数学难度没有一个低矮天花板。"the ceiling for difficulty of a math problem is pretty high."（数学问题的难度上限相当高。）一位嘉宾说，未来领域或许会更围绕少数“大谜题”组织，而不是围绕那些较常规、较容易拆解的小谜题。另一位则提到，自己有些问题已经想了数月乃至数年，却始终不知道答案；他希望模型至少能帮他解决其中一部分。

这意味着，自动化可能先吞掉大量结构清楚、可分解、可持续推进的难题，却不等于数学前沿消失。相反，常规问题的处理速度提高后，研究资源和注意力可能更集中于那些即使拥有强模型，也难以建立可靠进展的核心谜团。P versus NP 在这里是可能性的例子，不是“AI 永远做不到”的判决。真正的变化是：人类会更少把时间耗在可例行化的障碍上，更多面对那些还没有合适问题框架的障碍。

在节目结尾讨论 AI 数学能力对非职业数学家、应用领域和更广泛参与者的影响时，嘉宾把焦点从顶尖定理拉回了使用门槛。未来，不以数学为全职工作的人，也会更有能力理解自己好奇的数学谜题。更现实的一层是：许多工程、物理和其他应用工作需要数学，但过去使用一个陌生领域的工具，往往得先找到那个方向的专家，再花时间把问题翻译给对方。

嘉宾认为，这道门槛会被明显压低。"you don't need to like find a world expert on this topic to to be able to you know use it in your own work."（你不必先找到这个主题的世界级专家，才能在自己的工作中使用它。）主持人由此追问：带着其他领域直觉的人，会不会因此更容易参与数学？嘉宾特别期待 applied mathematics，也就是应用数学，能够进展得更快。

这意味着，数学会更像一种可调用的基础设施。理论物理研究者、工程师，甚至在别的领域里遇到结构问题的人，可以更早把数学工具接到自己的工作上，先验证直觉、理解概念、试探可行路线，再决定是否需要专家介入。它扩大的是提出问题与检查想法的人群，而不是取消专业判断。正如前面谈到的，结果放进什么框架、如何被可信地吸收，仍离不开共同体；能调用工具，不等于自动知道该相信什么、该忽略什么。

这期的主线不是 AI 替数学家突然冒出更多“天才灵感”。从“数学突破的稀缺处，正从想出点子变成把点子做到底”，到“所谓开放题，有时卡住的不是证明，而是文献检索”，变化首先发生在执行和信息获取：原来会因细节太多、文献太散、时间不够而中止的工作，开始变得可抵达。

再看“AI 不只改进答案，还能划出一套方法的理论上限”。这不只是让一条证明快一点，而是让研究者更早知道一条路线还能不能走下去。证明变快以后，“当证明变快，数学家的稀缺性会转向解释和知识编排”就不是附带问题，而是新的核心账单：谁来筛选结果，谁来说明它与既有理论的关系，谁来让更多人真正接手？

对读者自己的处境也是如此。无论你是做研究、工程还是只是对一个问题好奇，AI 会降低你进入数学的成本，却不会替你决定什么问题值得问、一个答案该放在什么背景里理解。门开得更宽后，稀缺的不是按下提问按钮，而是能否辨认一条结果究竟解决了什么、还留下了什么。