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
传某省两家汽车经销商集团面临爆雷:现金流枯竭

传某省两家汽车经销商集团面临爆雷:现金流枯竭

CNMO科技
2026-11-20 16:40:47
“我们不想在11月就伟大,那才奇怪”,詹姆斯赛后这样回应

“我们不想在11月就伟大,那才奇怪”,詹姆斯赛后这样回应

坠入温柔晚风
2026-11-23 01:25:57
墨总统:墨西哥不打算与中国签署自贸协定

墨总统:墨西哥不打算与中国签署自贸协定

俄罗斯卫星通讯社
2026-11-21 16:09:51
50分11篮板7助攻仍输球,恩比德赛后称他联盟前五

50分11篮板7助攻仍输球,恩比德赛后称他联盟前五

绿茵狂热者
2026-11-23 01:10:49
A10后备厢被几箱啤酒压穿?零跑:受损部件为后备厢盖板下方独立储物盒

A10后备厢被几箱啤酒压穿?零跑:受损部件为后备厢盖板下方独立储物盒

界面新闻
2026-11-21 09:48:22
巴黎圣日耳曼55秒连入两球,创近20年队史纪录

巴黎圣日耳曼55秒连入两球,创近20年队史纪录

懂球帝
2026-11-22 07:20:16
每天吃一个苹果错了?研究发现:上了年纪,苹果应该这样吃

每天吃一个苹果错了?研究发现:上了年纪,苹果应该这样吃

医学科普汇
2026-11-22 08:30:33
伊朗实施限电措施:每两天停电约两小时,或每日最长停电两小时,具体停电时长因地而异

伊朗实施限电措施:每两天停电约两小时,或每日最长停电两小时,具体停电时长因地而异

大风新闻
2026-11-22 17:55:03
露头就打!985高校沈丁立原形毕露!内鬼终于自己蹦出来了

露头就打!985高校沈丁立原形毕露!内鬼终于自己蹦出来了

平老师666
2026-11-21 08:49:53
没一个比得过深圳?特朗普挨个点名美国城市,鲁比奥一语点破关键

没一个比得过深圳?特朗普挨个点名美国城市,鲁比奥一语点破关键

军情观察家
2026-11-23 00:40:04
五官真漂亮,特别是鼻子很好看,绝世佳人

五官真漂亮,特别是鼻子很好看,绝世佳人

喜欢历史的阿繁
2026-11-23 00:21:13
1981年王光美找到曹轶欧,压着怒火开口:你已经不是中央委员了,赶紧搬出干部楼,13年的冤屈全压在这一句话上

1981年王光美找到曹轶欧,压着怒火开口:你已经不是中央委员了,赶紧搬出干部楼,13年的冤屈全压在这一句话上

磊子讲史
2026-11-12 11:43:36
3-2逆转!巴萨9分连追3球,创2项近百年纪录,亚马尔心理素质不高

3-2逆转!巴萨9分连追3球,创2项近百年纪录,亚马尔心理素质不高

汪星人哟
2026-11-22 23:19:12
好奇查了一下黄仁勋的出身,不查不知道,一查惊讶了,原来黄仁勋根本不是什么大富豪家庭,而是普通的知识分子家庭。

好奇查了一下黄仁勋的出身,不查不知道,一查惊讶了,原来黄仁勋根本不是什么大富豪家庭,而是普通的知识分子家庭。

回京历史梦
2026-11-15 06:35:06
黄仁勋才被扫地出门几天,网传英伟达高层出幺蛾子了:要抛弃游戏玩家了

黄仁勋才被扫地出门几天,网传英伟达高层出幺蛾子了:要抛弃游戏玩家了

小徐讲八卦
2026-11-22 16:25:20
朝鲜开辟第二条国内航线

朝鲜开辟第二条国内航线

窗帘拉开
2026-11-22 19:50:03
1970年西哈努克被推翻流亡北京,五年间生活优渥甚至想迎娶女演员,回国后亲人接连遇难,他为何没有选择复仇

1970年西哈努克被推翻流亡北京,五年间生活优渥甚至想迎娶女演员,回国后亲人接连遇难,他为何没有选择复仇

唠叨说历史
2026-11-10 19:55:18
0-2大爆冷!0-0出线!U17世界杯:法国队翻车,亚洲球队扬眉吐气

0-2大爆冷!0-0出线!U17世界杯:法国队翻车,亚洲球队扬眉吐气

大秦壁虎白话体育
2026-11-23 00:12:07
杨颖姐弟烧香被偶遇,弟弟与多年前判若两人,清秀少年变粗犷大叔

杨颖姐弟烧香被偶遇,弟弟与多年前判若两人,清秀少年变粗犷大叔

Mz娱乐前沿
2026-11-22 20:39:00
妻子被丈夫捉奸酿命案,2010年妻子:非要捉奸,女儿大了后谁敢娶

妻子被丈夫捉奸酿命案,2010年妻子:非要捉奸,女儿大了后谁敢娶

情感艺术家
2026-11-22 23:22:01
2026-11-23 01:56:49
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

“所有金条都卖光了” 有人一次性花超85万买金条

头条要闻

“所有金条都卖光了” 有人一次性花超85万买金条

体育要闻

全场挨打1比4溃败 阿隆索已过保质期?

娱乐要闻

杨颖姐弟烧香被偶遇,清秀少年变粗犷大叔

财经要闻

沪深交易所、中国结算推出一揽子降费措施

汽车要闻

插混尊贵型真的超值 15万级的第二代海豹07配置拉满

态度原创

本地
亲子
手机
公开课
军事航空

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

亲子要闻

难怪养孩子3岁不离手5岁不离眼!看评论区我呆住,人心险恶亲戚歹毒

手机要闻

安卓同时期No.1,OPPO Reno17火了,友商又要羡慕了

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

伊朗革命卫队称袭击美军在巴林两处基地防空雷达

无障碍浏览 进入关怀版