网易首页 > 网易号 > 正文 申请入驻

GPT-6.2自己造出全新证法!94分钟拿下20年前顶刊定理首证

0
分享至


新智元报道


刚刚,第三方评测机构Vals AI放出了高难数学基准Autoform-Hard的最新榜单。

56道博士与科研级数学难题,此前10个前沿大模型去测,结果一道都没做出来。

而在这轮测试里,Claude Fable 5.2和GPT-6.2 Sol双双做对48道,打成平手。

唯独GPT-6.2 Astra多做对了第49道题,拿下了榜单第一。

这道唯一拉开差距的第49题,正是2006年发在数学四大顶刊上的Smoktunowicz间隙定理。

在全程零人工干预的环境里,Astra只用了94分钟、写下1,794行Lean代码,就拿下了它的全球首个形式化证明。


比「全球首证」更让人意外的,是它解出这道题的方式。

原作者2006年的论文,后半程要用到三个现成的数学大定理,可Astra能调用的Lean公共数学库里一个都没有。

换作以前的AI,只要数学库里缺了关键的前置结论,推导当场就会卡在半路。

但Astra在原路走不通之后,居然在半路自己定义了一个叫「capacity」(容量)的新数学工具,绕开那三个大定理,走出了一条全新的证明路线。

复核完所有代码后,Vals AI团队在报告里写道,这是对Smoktunowicz定理本身的形式化证明,而非对原作者证明过程的翻译。


2和3之间有块禁区

原证明的三个定理都不在库里

这条Smoktunowicz间隙定理,研究的是代数的「增长速度」。

从几个基本元素出发,把它们最多相乘n次,数一数一共能造出多少个彼此独立的元素。

数学家用一个叫GK维数(Gelfand-Kirillov维数)的指数,来衡量这个数量涨得有多快。

如果数量大致按n²增长,GK维数就是2,按n³增长,GK维数就是3。

对一般的代数来说,这个指数只要在2以上,本来可以取任意实数。但一旦加上特定的结构限制,数轴上就会出现一段不可能落入的「禁区」。

1995年,代数学家Artin和Stafford研究了一类叫分次整环的代数,它的元素可以按次数一层层分开,而且两个非零元素相乘不会等于0。

当时他们证明,这类代数的GK维数不可能落在2到2.2之间。

到了2006年,爱丁堡大学的波兰数学家Agata Smoktunowicz把这个范围一举推到了3。

她证明,满足条件的分次整环,GK维数要么不超过2,要么至少是3,2和3之间的所有实数统统不可能出现。


这篇解决了代数学界十余年难题的论文,发表在数学四大顶刊之一的《Inventiones Mathematicae》上,全文却只有短短6页。

篇幅之所以这么短,是因为作者在后半程连续调用了前人已经证好的三个大定理。

它们分别是Bergman间隙定理、Small-Warfield定理,以及代数曲线上的黎曼-罗赫定理。


人类写论文可以直接引用前人的现成结论,但在Lean里,只要引用的定理没在代码库里证过,代码就无法通过编译。

最棘手的是,原论文用到的这三个大定理,Lean的公共数学库Mathlib里一个都没有收录。

而Autoform-Hard给每道题的限时只有3小时,如果先把这三个大定理从头写成代码,本身就是一项大工程,规定时间内根本做不完。

花8美元想放弃被打回

停笔9分钟重找路线

Vals AI公开的146轮完整运行日志,还原了Astra在考场上的真实破局过程。

开局后的前17分钟,它一直在后台推演思路,光思考就用掉了约3.4万个推理Token。

第18分钟起,它才开始照着原论文的反证法框架写前半程代码,也就是先假设GK维数落在2和3之间,此时每一层的维数「比线性增长快、又比平方增长慢」。

接着它利用Ore条件把代数放进可做除法的分式除环里,只要能反过来推导出「每一层的维数最多只能线性增长」,就能制造矛盾排除掉2到3。

可前半程刚搭完,马上就遇到了那三个Mathlib里没有的大定理,推导到了第47分钟便卡住了。

当时Astra试着交上一份还没填完的稿子,因为关键步骤还留着表示跳过的sorry标记,被判分器当场拒收。

1分钟后,Astra干脆提交了一份「未解决」报告,如实列出了已经写完的模块和卡住的缺口,准备放弃这道题。

偏偏在这时,Autoform-Hard的一条规则拦住了它。

测试系统规定,模型必须花满20美元的算力额度才允许放弃,不到额度交上来的放弃报告一律驳回。

而Astra当时只花了大约8美元,系统当场退回报告,要求它留下来继续解题。


原路已经走不通,交卷放弃又被系统拦了回来,它只能重新寻找出路。

从第49到第56分钟,Astra整整9分钟没有写一行代码。

这段时间里,它一边检索数学库里现有的可用结论,一边花了约1.9万个推理Token重新推演路线,其中最长的一次连续思考持续了整整4分钟。

重新动笔后,它先证出分式除环里「次数为0」的那部分(记作D)可以由一小块有限维空间生成,把剩下的难题收束到如何直接控制D的增长。

一条命令写出「容量」新工具,11分半钟走通新证明

真正的转折点出现在第75分钟。

在连续5轮查库和思考后,它的推理摘要里出现了一句「我得把容量的代码抽象出来」。

紧接着,它用一条命令一次性写出了核心文件Capacity.lean,全篇133行代码、25个数学声明,仅改了一轮小错,22秒后就编译通过。


在这个文件里,Astra自己定义了一个叫「容量」(capacity)的新指标,用来计算D里的一块空间做一次乘法后,维数至少会增加多少。

它很快证出了这个指标的一条核心性质——

两块空间合并后的容量不会超过各自容量之和(次模性),把空间做平移也不会改变数值。

由此就能推出整套方案最关键的结论,所有「不会让容量增加」的元素放在一起,刚好构成一个可以做加减乘除的稳定子除环。

有了这个稳定子除环,想要控制整个D,就只需要控制住生成D的那一小块空间。

随后,Astra把容量放到一层层越来越大的空间上逐步计算。

因为它是整数,而代数的增长又比平方慢,这个数值到了某一步之后必然会进入平台期。

在平台期里,那个稳定子除环已经把整个D都包了进来。

这样一来,代数每往上一层,维数最多只多出一个固定上限的常数,每一层的维数增长被限制在线性以内,与开头「比线性快」的假设矛盾,反证完成。

原论文依赖的那三个大定理,它从头到尾既没有调用,也没有去补证,靠自己定义的新工具绕了过去。


从写出Capacity.lean到第87分钟用7行顶层代码通过判分器核验,Astra全程只用了11分半钟,连续写完了后半程的6个模块,并在清理完试错代码后正式交卷。


唯一拉开差距的第49题

AI开始走出自己的证法

回看整份Autoform-Hard榜单,这56道赛题全部选自Meta FAIR今年发布的AutoformBench基准,取材于24本研究生与科研级数学教材。

GPT-6.2 Astra最终以87.50%的准确率登顶,攻克这道间隙定理全程只花了21.58美元,领先并列85.71%的Claude Fable 5.2与GPT-6.2 Sol。


AutoformBench的作者之一Charles Arnal也在X上转发感叹,大规模数学形式化变成廉价日常工具的那一天已经越来越近了。


赛后,Vals AI团队还专门追溯了「容量」这套证法的来源。

为了确认Astra是不是背过了现成答案,研究人员把1995年和2006年的两篇原论文逐页核对了一遍,确认里面根本没有对应的论证。

进一步检索文献后,他们发现,Astra是把1998年另一篇代数论文里的维数亏损量,和组合数学里的等周极小化技巧结合在了一起,在测试中自己拼出了一条新路线。

甚至连Vals AI团队查完文献后也不确定,此前有没有人把这两套工具这样搭配用过,特意在报告末尾留下邮箱公开征集线索。

从照着人类论文逐行翻译,到走出一套连评测机构都要向学界求证出处的新证法,AI做数学已经迈出了新的一步。

参考资料:

https://www.vals.ai/blogs/smoktunowicz-gap-theorem

https://x.com/ValsAI/status/2123129588066959380

https://www.vals.ai/blogs/2026-11-18-smoktunowicz-gap-theorem/proof/index.html

https://www.vals.ai/benchmarks/autoform_hard

编辑:摩西


特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
真没想到,APEC峰会大佬云集,爆火的竟不是雷军,而是一双旧白鞋

真没想到,APEC峰会大佬云集,爆火的竟不是雷军,而是一双旧白鞋

晓踏就是我
2026-11-19 11:54:24
AZEC峰会落幕,高市发出特别邀约,请11国把自家石油放进日本罐里

AZEC峰会落幕,高市发出特别邀约,请11国把自家石油放进日本罐里

影孖看世界
2026-11-19 23:26:23
炸裂!美股半导体集体大爆发!存储、芯片全线大涨,A股有希望了

炸裂!美股半导体集体大爆发!存储、芯片全线大涨,A股有希望了

风风顺
2026-11-20 03:00:04
《GTA6》性感Mandy火了 网友质疑为何不让她当女主

《GTA6》性感Mandy火了 网友质疑为何不让她当女主

3DM游戏
2026-11-19 22:48:25
多国首脑在深圳开启逛街模式,每个人的路线选择都很有意思

多国首脑在深圳开启逛街模式,每个人的路线选择都很有意思

麓谷隐士
2026-11-19 22:19:16
特朗普女婿库什纳:俄罗斯能够接受乌克兰获得安全保障,也表达了不再爆发新冲突的意愿,普京:克里米亚大桥遭袭后,不再讨论海上停火

特朗普女婿库什纳:俄罗斯能够接受乌克兰获得安全保障,也表达了不再爆发新冲突的意愿,普京:克里米亚大桥遭袭后,不再讨论海上停火

政知新媒体
2026-11-20 09:29:43
杨瀚森2分1板1助,开拓者送雄鹿12连败!瀚森表现值得夸赞

杨瀚森2分1板1助,开拓者送雄鹿12连败!瀚森表现值得夸赞

老梁体育漫谈
2026-11-20 11:35:52
难怪不澄清!有共同的朋友,第一次见面就入了眼,动了心

难怪不澄清!有共同的朋友,第一次见面就入了眼,动了心

小椰的奶奶
2026-11-20 09:11:16
一边争冠一边争状元!火箭2027年状元签概率18.8%,联盟第1!

一边争冠一边争状元!火箭2027年状元签概率18.8%,联盟第1!

贵圈真乱
2026-11-20 12:48:02
签了!中国和美国真签了!这次不是关税,也不是芯片,而是天然气

签了!中国和美国真签了!这次不是关税,也不是芯片,而是天然气

大卫聊科技
2026-09-20 13:27:56
拥有核武器的9个国家中,最穷的巴基斯坦, 是如何获得核武器的?

拥有核武器的9个国家中,最穷的巴基斯坦, 是如何获得核武器的?

文史达观
2025-05-03 06:45:05
开始动真格!追溯30年倒查来了,这4类人要当心!

开始动真格!追溯30年倒查来了,这4类人要当心!

细说职场
2026-11-19 16:28:20
越来越多的迹象表明:内塔尼亚胡间接上成为了中国的“大恩人”?

越来越多的迹象表明:内塔尼亚胡间接上成为了中国的“大恩人”?

无情有思可
2026-11-19 08:11:29
横店迎来三十年最为惨烈的一次断臂求生!130多座摄影棚,合计50万平方米,全部免租金向剧组开放

横店迎来三十年最为惨烈的一次断臂求生!130多座摄影棚,合计50万平方米,全部免租金向剧组开放

扶苏聊历史
2026-10-28 15:47:11
西路军失败是“借刀杀人”?长文深入分析西路军失败的真正原因

西路军失败是“借刀杀人”?长文深入分析西路军失败的真正原因

阿胡
2025-02-13 12:47:19
李在明得偿所愿,深圳收获实利,这份成果足够给韩国人一个交代了

李在明得偿所愿,深圳收获实利,这份成果足够给韩国人一个交代了

军情观察家
2026-11-20 12:10:44
人民日报点名曹德旺,释放2大信号,转移资产跑路传闻早有真相

人民日报点名曹德旺,释放2大信号,转移资产跑路传闻早有真相

爱看剧的阿峰
2026-11-20 10:41:29
美国人评论亚洲街道:日本干净,印度脏乱,而中国只用4个字形容

美国人评论亚洲街道:日本干净,印度脏乱,而中国只用4个字形容

傲傲讲历史
2026-11-07 09:18:49
晒晒我从山姆买的11个“厨房好物”,每一件都“夯爆了”,值得买

晒晒我从山姆买的11个“厨房好物”,每一件都“夯爆了”,值得买

三农老历
2026-11-20 07:24:48
六旬男子约按摩女发生关系,十分满意付了2000元,谁知女子扭头就把他告了

六旬男子约按摩女发生关系,十分满意付了2000元,谁知女子扭头就把他告了

江山挥笔
2026-11-18 14:13:58
2026-11-20 13:36:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16725文章数 67241关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

健康
房产
手机
本地
公开课

医生眼里"很伤腰"的椅子,很多人天天坐

房产要闻

6.6亿!海口卖地!

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

本地新闻

乌兰察布:以前种土豆,现在种Token

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版