AI 形式化证明的 2026:从 OpenAI 的 721 篇手稿到莱顿宣言,数学界如何应对?
2026 年 10 月 6 日,OpenAI 在 GitHub 上一次性公开 721 篇数学手稿,宣称由内部模型产出于开放研究问题。11 月,Google DeepMind 推出 AlphaProof Code,Anthropic 的 formal-math 仓库公开三个 Lean 4 形式化项目。与此同时,16 位数学家联合发布《莱顿宣言》,25 位菲尔兹奖得主联名警告「AI 在数学中的严重错位」。
AI 正在以前所未有的速度生成数学证明——但数学界正在以前所未有的力度反击。
一、OpenAI 721 篇手稿:规模空前,但形式化率仅 42%
官方数据(修正)
OpenAI 的 openai/math 仓库是目前规模最大的 AI 数学生成成果公开集合。以下是直接从 GitHub 仓库 README 核实的数据:
| 指标 | 数据 | 来源 |
|---|---|---|
| 手稿总数 | 721 篇 | GitHub README |
| 结果家族 | 373 个 | GitHub README |
| 顶层结果形式化率 | 约 42% | GitHub README |
| 产出模型 | 未公开的内部前沿模型 | GitHub README |
| 平均计算量 | 每个结果 3 小时 ChatGPT Pro thinking compute | GitHub README |
| 总提问量 | 约 4,000 个问题 | GitHub README |
重要修正:此前中文媒体报道的「722 篇 / 372 家族 / 22% 形式化」与官方数据不一致。OpenAI 官方说的是「~42% top-line results formalized」,不是「22% 篇数形式化」。一个家族可能包含多篇手稿(主结果、伴随论证、推论、替代证明),所以「顶层结果」和「篇数」不是同一个统计口径。
已公开的推理摘要(10 个家族)
OpenAI 同时发布了模型推理过程的精简摘要,覆盖以下结果:
| 家族 | 主题 |
|---|---|
| 007 | 乘性函数的普通两点相关 |
| 017 | π 的无理性指数 |
| 087 | 对称和一般 Mahler 猜想 |
| 102 | 基本半正定阈值处的普通 NP 难性 |
| 159 | 算术级数的准多项式界 |
| 197 | 特征为 2 的 Kaplansky 直有限性猜想 |
| 221 | 稀释自旋玻璃的 Mézard–Parisi 公式 |
| 271 | 量子海森堡铁磁体中的自发磁化 |
| 287 | 自由群因子的同构 |
| 362 | 三维相对论 Vlasov–Maxwell 系统 |
OpenAI 的自我定位
仓库 README 中有一段值得注意的声明:
「In our view, these manuscripts are best understood as a form of raw research data, rather than polished academic papers. We defer to the math community completely on matters of credit, precedence, and concurrent work.」
翻译:这些手稿最好被理解为原始研究数据,而非 polished 学术论文。署名、优先权、并行工作完全交由数学社区决定。
这是一个防御性姿态——OpenAI 在主动避免与数学界争夺署名权。
二、Anthropic formal-math:三个 Lean 4 项目,含黎曼 zeta 零点
2026 年 11 月 1 日,Anthropic 的 formal-math 仓库(472 星)公开了三个 Lean 4 形式化项目:
| 项目 | 陈述 | 来源 |
|---|---|---|
zeta23/ |
黎曼 zeta 函数超过 2/3 的零点是单零点且在临界线上 | Alpöge–Furman, arXiv:2608.13637 |
3sum-apsp/ |
字 RAM 程序在 O(n^1.9992) 步内解 3SUM,(min,+)-乘积和 APSP 在 O(n^2.99942) 步内 | Alman–Vassilevska Williams, arXiv:2610.06783 |
eth/ |
一台确定性图灵机在亚指数时间内计数所有 k-CNF 满足赋值,反证指数时间假说(ETH) | Claude, 仓库内 paper.pdf |
验证机制
每个项目都通过 Palomar 注册表 的验收检查:
leanprover/comparator(工具链匹配的lean4export)- 独立的
nanoda内核 landrun沙箱
项目通过的条件:lake build 成功 + 无可宽恕的 sorry(除了受信任的比较器陈述文件)+ Palomar 注册表打印「Your solution is okay!」。
值得注意的细节
eth/ 项目的来源标注为「Claude, paper in the folder」——这意味着反证 ETH 的论文是由 Claude 产出的,Anthropic 只是将其形式化。这与 OpenAI 的做法(模型产出手稿 + 部分形式化)形成对比:Anthropic 选择公开形式化验证,而非原始手稿。
三、Google DeepMind AlphaProof Code:软件验证的突破
2026 年 11 月,Google DeepMind 博客发布标题:「Introducing AlphaProof Code: a breakthrough in verifying complex software at depth」。
(注:原文页面 404/超时,此处基于博客标题和 DeepMind 博客列表核实。具体技术细节待官方恢复访问后补充。)
从标题看,AlphaProof Code 聚焦于复杂软件的深度验证,而非纯数学证明。这可能是:
- 工业级代码的形式化验证
- 安全关键系统的属性证明
- 与 AlphaProof(数学证明)平行的软件工程分支
四、Google Antigravity /teamwork:多智能体协作的科研平台
/teamwork 文档(直接抓取)
Google Antigravity 的 /teamwork 命令运行一个协作多智能体团队,专为大型软件项目、复杂模拟和深度研究任务设计。
核心架构:
| 角色 | 功能 |
|---|---|
| Sentinel | 协调者,记录请求、路由任务、发布进度更新 |
| Project Orchestrator | 将批准的简报分解为结构化里程碑,协调并行工作轨道 |
| Explorers | 只读研究智能体,探索仓库、追踪调用链 |
| Workers | 实现智能体,配备终端和文件工具 |
| Critic | 独立代码审查 |
| Challenger | 主动压力测试,构建对抗性测试套件 |
| Auditor | 验证工作是否符合完整性模式 |
| Success Auditor | 最终审查者,运行端到端验证 |
执行路径:
| 路径 | 适用场景 |
|---|---|
| General(分布式编码) | 多文件 SWE、大规模重构、系统模拟(默认) |
| Math / Proof | 数学问题求解、形式化界、定理证明 |
| Math / Proof (Large Team) | 高规模锦标赛网络,用于硬猜想和组合搜索 |
博客原文:「Teamwork: when AI becomes a research partner」
2026 年 8 月 27 日,Antigravity 博客发布「Teamwork: when AI becomes a research partner」(Research, Product 分类)。
Rust 重写项目(直接抓取)
2026 年 11 月 3 日,Antigravity 博客发布「Modernizing 40-year-old scientific code with Gemini 4 Argon」:
| 指标 | 数据 |
|---|---|
| 源代码 | 174,000 行 Fortran 90 + C,264 个文件(FVCOM 海洋模型) |
| 目标 | 100% 内存安全 Rust,零 unsafe 块 |
| 耗时 | 59 分钟自主运行 |
| 捕获 bug | 6 个 60 年旧 bug |
| 内存 | 减半 |
| 速度 | 1.88x 提升 |
三阶段流程:
- Stage 0(11 分钟):基线捕获,编译原始 Fortran 二进制,记录黄金输出
- Stage 1(3 分钟):全仓库审计,生成六部分架构蓝图
- Stage 2(45 分钟):Rust 移植,闭环自修复,PGO 优化
五、《莱顿宣言》:数学界的正式反击
基本信息
| 项目 | 内容 |
|---|---|
| 全称 | Leiden Declaration on Artificial Intelligence and Mathematics |
| 发布日期 | 2026 年 6 月 2 日 |
| 发布地点 | 荷兰莱顿 |
| 工作组 | 16 位数学家(来自华盛顿大学、爱丁堡大学、剑桥大学、牛津大学、ETH Zurich 等) |
| 背书 | 国际数学联盟(IMU)正式采纳 |
| 签署数 | 2,411 名数学家 |
| arXiv | 2609.35334 |
| 官网 | leidendeclaration.ai |
起源
2025 年 9 月,莱顿大学 Lorentz 中心举办「Mechanization and Mathematical Research」会议,约 60 名参与者(数学家、计算机科学家、哲学家、历史学家、社会科学家)。随后 8 个月,工作组developed 宣言。
五类威胁(直接引用)
- 可靠性威胁:当前自动化技术可以产生看似合理但不可靠(甚至错误)的论证,难以与正确数学证明区分
- 署名威胁:训练在已发表作品上的模型经常返回未正确引用人类作品的输出
- 激励威胁:AI 的使用可能为其自身而被激励,破坏招聘、资助和认可机制
- 评估威胁:通过新闻稿或博客帖子等非正式渠道传播结果,绕过同行评审
- 自主性威胁:研究问题可能因为其对自动化数学的适应性而被优先考虑,而非专家判断其深层重要性
四类建议
| 对象 | 核心建议 |
|---|---|
| 个人数学家 | 披露工具使用、支持审查需求、坚持开放科学、保留正确性责任、努力正确署名 |
| 数学组织 | 建立专业知识、主导出版和审查政策、维护严谨标准、保护作者权利 |
| 政府决策者 | 保护作者权利、不要相信炒作、监管 AI 行业、投资公共计算基础设施 |
| 商业 AI | 遵守宣言标准、尊重员工良心自由 |
Featured Endorsements(直接引用)
Peter Scholze(Max Planck 数学研究所所长,菲尔兹奖得主):
「数学研究的目标是人对数学的理解,数学只能在一个人类数学家社区中繁荣。在我的经验中,数学思想就像孩子一样,必须被培育并逐年成长。就像我不想让我的孩子被 AI 教育一样,我在不使用 AI 的情况下思考我的数学思想,并尽可能避免阅读 AI 生成的文本。」
Terence Tao(UCLA 教授,菲尔兹奖得主):
(官网截断,完整声明待补充。陶哲轩已公开使用 Claude Code 在 Lean 中做形式化证明。)
六、25 位菲尔兹奖得主联合声明
2026 年 9 月 11 日,包括陶哲轩、邓煜在内的 25 位菲尔兹奖得主联合发表《人工智能在数学中的严重错位》声明。
(注:声明全文未抓取到,此处基于 360 搜索结果和头条新闻核实。声明直指 OpenAI、Anthropic 等公司的做法。)
七、学术界的分歧
支持方
- 陶哲轩:公开使用 Claude Code 在 Lean 中做形式化证明,认为 AI 是有价值的工具
- 部分年轻数学家:欢迎 AI 辅助,认为可以加速发现
反对方
- Peter Scholze:明确避免使用 AI,认为数学思想需要人类培育
- 莱顿宣言工作组:担忧 AI 威胁数学的可靠性、署名、公平性和自主性
- 25 位菲尔兹奖得主:警告 AI 在数学中的「严重错位」
中间派
- OpenAI:自我定位为「原始研究数据」,将署名权交给数学社区
- Anthropic:选择公开形式化验证,而非原始手稿
- Google:推出 /teamwork 多智能体协作平台,但强调「AI becomes a research partner」而非替代
八、趋势判断
短期(2026-2027)
- 形式化验证成为标配:AI 生成的数学证明必须通过 Lean/Coq 等工具验证
- 多智能体协作兴起:单模型端到端 → 多智能体分工验证
- 学术界建立规范:《莱顿宣言》等文件定义 AI 辅助数学的伦理和标准
中期(2027-2028)
- 证明验证自动化:人类不再逐行审查,而是依赖形式化工具
- AI 数学家出现:不仅能证明已知猜想,还能提出新问题
- 人机协作模式成熟:AI 生成候选,人类提供洞察和方向
长期(2028+)
- 数学研究的范式转移:从「人类证明」到「AI 证明 + 人类理解」
- 证明的民主化:任何人都可以验证复杂证明,无需专业训练
- 新的数学分支:专门研究「AI 可证明性」的理论
九、结论
2026 年是 AI 形式化证明的爆发之年,也是数学界反击之年:
- OpenAI 的 721 篇手稿证明 AI 可以大规模生成数学证明,但形式化率仅 42%
- Anthropic 的
formal-math选择公开形式化验证,含黎曼 zeta 零点和反证 ETH - Google DeepMind AlphaProof Code 将形式化验证扩展到软件工程
- Google Antigravity /teamwork 代表多智能体协作方向,59 分钟完成 174,000 行 Fortran → Rust
- 《莱顿宣言》 是数学界的正式反击,IMU 背书,2,411 名数学家签署
- 25 位菲尔兹奖得主 联名警告「AI 在数学中的严重错位」
核心矛盾:
- AI 可以快速生成数百个证明
- 但人类理解和验证这些证明需要数年
- 形式化验证是必要的质量关卡,但成本高昂
- 数学界担忧 AI 威胁数学的可靠性、署名、公平性和自主性
未来方向:
- 形式化验证必须自动化、规模化
- 多智能体协作可以提高验证效率
- 学术界需要建立新的规范,定义「AI 证明」的标准
最终问题:
当 AI 可以证明一切,但人类无法理解任何东西,数学还是「人类」的数学吗?
信息来源与核实
| 内容 | 性质 | 来源 |
|---|---|---|
| OpenAI 721 篇手稿、42% 形式化率 | 已核实 | GitHub openai/math 仓库 README 直接抓取 |
| Anthropic formal-math 仓库、三个 Lean 4 项目 | 已核实 | GitHub anthropics/formal-math README 直接抓取 |
| Google DeepMind AlphaProof Code | 部分核实 | DeepMind 博客标题(页面 404/超时) |
| Google Antigravity /teamwork 文档 | 已核实 | antigravity.google/docs/teamwork 直接抓取 |
| Rust 重写项目(174k Fortran → Rust, 59 分钟) | 已核实 | Antigravity 博客直接抓取 |
| 《莱顿宣言》全文、五类威胁、四类建议 | 已核实 | leidendeclaration.ai 官网直接抓取 |
| Peter Scholze 引言 | 已核实 | 莱顿宣言官网 Featured Endorsements |
| 25 位菲尔兹奖得主联合声明 | 部分核实 | 360 搜索、头条新闻(全文未抓取到) |
| 趋势判断 | 作者分析 | 基于当前发展的预测,不构成投资建议 |
本文基于 OpenAI、Anthropic、Google 官方仓库和博客,以及《莱顿宣言》官网,全景梳理 2026 年 AI 形式化证明进展和学术界反应。仅供行业分析参考,不构成投资建议。