网易首页 > 网易号 > 正文 申请入驻

姚期智、杨植麟联合署名论文:9个前沿大模型,如何证明人类数学极限?

0
分享至

AI能当理论计算机科学家吗?姚期智和杨植麟共同署名的论文给出答案。

如果把理论计算机科学比作数学界的“奥林匹克”,那它研究的不是怎么修电脑,而是计算本身的上限:哪些问题算得快,数学证明的极限在哪里。现在,一批前沿大语言模型,包括ChatGPT在内的这类AI大模型,也来参加这场“奥林匹克”了。


11月9日,澎湃新闻记者获悉,近期图灵奖得主、中国科学院院士、清华大学交叉信息研究院院长姚期智团队,联合月之暗面(Kimi)创始人杨植麟等发表署名论文:《TCSEXAM:在TCS研究的全范围内评估前沿大型语言模型》。论文中推出一个叫TCSExam的“统一考试”,称第一次把理论计算机科学研究的完整链条都纳入评测。

论文中对于大模型共设了四类考题,每类都有机器验算,给世界范围内九个前沿大模型出了一张理论计算机科学的“考卷”:

第一类,定理证明:给AI一道研究级数学定理,让它写出严格证明。证明要用一种叫Lean 4的软件写成——可以理解成“数学作业的自动批改器”,只认逐行严格的逻辑,不认含糊表述。批改由Lean内核完成,相当于机器逐行验算。

第二类,求解器工程:不是让AI针对一道题写死答案,而是让它写一个“通用解题程序”,然后拿大量具体测试数据去跑。比如给一堆图,让程序找出最大的团、最好的切割方案。程序必须能重复使用,不能靠背答案。

第三类,构造:让AI交出一个具体的数学对象,比如一张图、一套编码、一种几何排布,还要附上“证书”,也就是证明这个对象确实满足要求的凭证。机器会检查对象和证书是否都对得上。

第四类,开放猜想。给AI几十年没人证明也没人推翻的数学难题,要求它完整证明或完整反证。反证就是举出反例并证明这个反例确实推翻了原猜想。

在最受关注的定理证明类,GPT-6 Astra在“裸考”条件下:只给主定理,不给中间引理,20道题完整证明出14道,成功率达到70%。Kimi K3.1 Pro以38.3%位居第二,其余多个模型只有个位数甚至零成功率。

论文还发现,如果给AI“递小抄”:补充中间引理和证明思路,成功率会明显上升。Kimi K3解出的定理数从3道增加到7道,DeepSeek V4.1 Flash从0道增加到6道。这说明AI不是完全不会推理,而是需要更好的“脚手架”。

在构造类,AI则不只追平人类记录,还出现超越。

Kimi K3造出一个124个顶点、630条边、既没有三角形也没有四边形的图,超过论文引用的629条边参考记录;它还造出一个量子纠错码,把最小距离从5提升到6。GPT-6 Astra则证明了一个二进制编码的上界:长度22、最小距离10的编码,最多只能有82个码字,改进了此前发表的84。论文同时提醒,这些“超纪录”要经过独立核验,而且评分函数会放大或压缩数值差异,所以还同时报告了原始数学参数。

最戏剧性的是开放猜想类。30个长期未解猜想中,只有6次提交被接受,而且全部来自AI通过网络检索到OpenAI已公开发表的Ryser和MIRUP反例,再改写成考试要求的Lean证明。换句话说,这不是AI“独立想出来”的,而是“查资料查到的”。论文直言,未来应该在断网条件下评测当时仍然开放的猜想。其余28个猜想没有任何完整解决。

不过,失败尝试并非毫无价值。GPT-6 Astra在攻Alon-Jaeger-Tarsi猜想时,独立证明了该猜想在一个有限数域上对所有不超过9维的情况成立,把此前不超过8维的已知范围推进了一步,并经过Lean独立验证。论文还报告了另外四个可独立验证的局部结果。这说明AI攻大猜想虽然解不了“大Boss”,但能顺手打出一些有价值的“小怪”。

根据论文推断显示,前沿AI已经能在研究级定理证明、构造优化和求解器工程上做出实质成果,但在真正解决开放猜想上仍然有待加强,如果说要独立攻破世界级的数学猜想,目前还有很长的路要走。

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
1胜16负联盟倒数第一!硬留超巨的后果,或打破历史最差战绩

1胜16负联盟倒数第一!硬留超巨的后果,或打破历史最差战绩

你的篮球频道
2026-11-22 10:07:24
“所有金条都卖光了”,有投资者一次性购入11根100克金条,金额超85万元;菜百股份发布风险提示

“所有金条都卖光了”,有投资者一次性购入11根100克金条,金额超85万元;菜百股份发布风险提示

都市快报橙柿互动
2026-11-23 00:13:35
复婚已真相大白!李亚鹏:本以为债务解决已够幸运,今幸福又升级

复婚已真相大白!李亚鹏:本以为债务解决已够幸运,今幸福又升级

叨唠
2026-11-22 05:15:07
中国灵活就业人数达3.2亿人!占就业人口的44%,太恐惧了!

中国灵活就业人数达3.2亿人!占就业人口的44%,太恐惧了!

廖保平
2026-11-22 09:20:01
上海一男子提供“上门服务”教自行车,被冤枉“涉黄”,100%好评遭下架!平台回应:不存在“错误处罚”

上海一男子提供“上门服务”教自行车,被冤枉“涉黄”,100%好评遭下架!平台回应:不存在“错误处罚”

新民晚报
2026-11-22 14:12:07
巴萨天崩开局!7分钟连丢2球,费尔明乌龙助攻,布坎南轰世界波

巴萨天崩开局!7分钟连丢2球,费尔明乌龙助攻,布坎南轰世界波

奥拜尔
2026-11-22 21:16:51
不出意外,从 2027年起,个人存款超过100 万的,或将面临四个难题

不出意外,从 2027年起,个人存款超过100 万的,或将面临四个难题

巢客HOME
2026-11-22 05:55:06
周末打虎!谢军被查(附简历)

周末打虎!谢军被查(附简历)

第一财经资讯
2026-11-22 12:36:15
深度   八人竞逐,九轮投票难定胜负,联合国会否诞生史上首位“女掌门”?

深度   八人竞逐,九轮投票难定胜负,联合国会否诞生史上首位“女掌门”?

上观新闻
2026-11-22 20:26:26
深圳女高管和每一任男友发生关系前,都要先拉他去体检,防止被传染

深圳女高管和每一任男友发生关系前,都要先拉他去体检,防止被传染

江山挥笔
2026-11-19 14:15:33
慌啥子嘛,越来越不对劲了

慌啥子嘛,越来越不对劲了

大张的自留地
2026-11-21 13:02:04
天助阿森纳:0-2大冷门,英超第2遭英超第14掀翻,补时连丢2球

天助阿森纳:0-2大冷门,英超第2遭英超第14掀翻,补时连丢2球

侧身凌空斩
2026-11-23 00:01:50
震惊!武亮回母校演讲提出“吃屎的劲头”去奋斗,台下学生反问:要是拼到41岁人没了,一点福都没享到,这份奋斗还有啥意义?

震惊!武亮回母校演讲提出“吃屎的劲头”去奋斗,台下学生反问:要是拼到41岁人没了,一点福都没享到,这份奋斗还有啥意义?

火山詩话
2026-11-22 14:36:55
“游客乱成一团,又冷又饿,接待很一般”,网友发帖称滞留在三峡之巅景区,景区回应:已增派车辆,会把所有游客安全送出景区后再下班

“游客乱成一团,又冷又饿,接待很一般”,网友发帖称滞留在三峡之巅景区,景区回应:已增派车辆,会把所有游客安全送出景区后再下班

南方都市报
2026-11-20 22:42:14
0比2落后还罚丢点球,巴萨11分钟连进三球翻盘

0比2落后还罚丢点球,巴萨11分钟连进三球翻盘

热血体育社
2026-11-23 01:07:25
最新!全军采购资格暂停名单:八马茶业、紫光软件、中国交通建设集团、三亚凤凰国际机场

最新!全军采购资格暂停名单:八马茶业、紫光软件、中国交通建设集团、三亚凤凰国际机场

财通社
2026-11-22 16:41:17
执教球队英超首战半场丢2球且球队染红,波帅成历史第一人

执教球队英超首战半场丢2球且球队染红,波帅成历史第一人

懂球帝
2026-11-23 01:46:05
红果短剧全面下架,彻底失控了

红果短剧全面下架,彻底失控了

李东阳朋友圈
2026-11-20 10:00:35
黎曼猜想被攻破!国外AI忙着搞科研,造福全人类,国产AI呢?

黎曼猜想被攻破!国外AI忙着搞科研,造福全人类,国产AI呢?

News脑洞
2026-11-22 13:37:42
深圳交警:向大家致以最诚挚的感谢和最崇高的敬意;最新提醒:外地车限行时段,恢复常态

深圳交警:向大家致以最诚挚的感谢和最崇高的敬意;最新提醒:外地车限行时段,恢复常态

深圳梦
2026-11-22 21:33:06
2026-11-23 02:07:00
澎湃新闻 incentive-icons
澎湃新闻
专注时政与思想的新闻平台。
949505文章数 5099014关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

亲子
游戏
家居
手机
旅游

亲子要闻

宝宝必看的5个启蒙动画,豆瓣评分都是在9.0以上

PC Gamer试玩GTA6百小时:双主角出色但任务重复

家居要闻

2026建博会(广州) 公装联探展交流活动

手机要闻

星芒OSTA O1 Pro新机确认支持华为自研Wi-Fi 7+芯片级协同技术

旅游要闻

喀什旅游的游客因清廷中唯一的维吾尔族妃子的故事而奔赴这里参观

无障碍浏览 进入关怀版