GPT-5.6 一小时攻破 50 年数学猜想：一份 700 词 Prompt，64 个子 Agent，三页纸的证明

关注

原创 2026-07-14 19:35:43 632 阅读 AI 写同款· GEO 优化 ›

YOLO26算法车道线检测+训练好的模型+360张数据集+pyqt可视化界面.zip 附训练好的 YOLO 权重与 PyQt 可视化检测界面，页面底部含可视化效果预览，毕设/课设开箱即用。【数据集概况】 · 检测类别（中文）：[未获取()] 【训练曲线与评估图】【模型训练配置】参数 | 值模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备【关键指标汇总】训练了 55 个 epoch，最终轮指标：指标 | 数值 mAP50 | **0.9512** mAP50-95 | 0.6746 Precision | 0.8796 Recall | 0.8825 train/box_loss | 0.8608 train/cls_loss | 0.7232 val/box_loss | 0.9955 val/cls_loss | 0.5511 【训练过程分析】这轮训练我经历了从初始到稳定的曲折过程。前 20 个epoch，loss 曲线呈现了陡峭的下降趋势，mAP50 指标从 0.8 开始逐步攀升，仿佛在寻找一个合适的平衡点。然而，从第 21 个epoch 开始，mAP50 的提升速率显著放缓，整体曲线显得有些曲折，有时甚至停滞不前，让我一度以为训练出现了问题。直到第 35 个epoch，loss 开始逐渐趋于平稳，这标志着模型已经找到了一个较好的收敛区间。到了最后的 20 个 epoch，尽管 mAP50 依旧在稳步上升，但提升幅度已经不大，这意味着模型已经接近其性能天花板。在这个过程中，我重点关注了 box_loss 和 cls_loss 的变化。初期阶段，box_loss 快速下降，从 0.9 逐渐降至 0.86，而 cls_loss 则从 0.75 逐步下降至... 使用场景：毕业设计、课程设计、深度学习入门、工业场景落地验证。立即下载

GPT-5.6 一小时攻破 50 年数学猜想：一份 700 词 Prompt，64 个子 Agent，三页纸的证明

2026 年 7 月 10 日，OpenAI 向全球开放 GPT-5.6。不到 24 小时，它做出了人类数学家花了半个世纪都没做到的事。

GPT-5.6 CDC猜想突破 — 封面图

一、什么事？

7 月 11 日，OpenAI 研究员 Ethan Knight 在 X 上发了一条帖子：

“昨天我们刚向所有用户开放 GPT-5.6 Sol Ultra。今天分享一个消息：它用 64 个子智能体，在不到一小时内，证明了已有 50 年历史的循环双覆盖猜想。”

OpenAI 把完整的证明 PDF 和 700 词的 Prompt 一起放到了 CDN 上，任何人可以下载查阅。

这条消息迅速在 Hacker News、知乎、微博、掘金、V2EX 等平台刷屏。为什么反应这么大？因为这不是解一道奥数题——这是攻克一个在维基百科"未解数学问题"列表上挂了 50 年的猜想。如果最终通过同行评审，这意味着：大型语言模型首次独立完成了一个真正的数学研究级突破。

二、这个猜想到底在说什么？

循环双覆盖猜想（Cycle Double Cover Conjecture，简称 CDC），由数学家 George Szekeres（1973 年）和 Paul Seymour（1979 年）分别独立提出。它的表述极其简单，小学生都能听懂：

任何一张没有"桥"的图，能否找到一组环，使得图中的每条边都恰好被恰好两个环覆盖？

什么叫"桥"？想象一个公路网，如果某条路一旦断掉，整个网络就会分裂成两个互相不通的部分——这条路就是一座桥。所谓"没有桥的图"，就是不存在这种脆弱连接的图，每个顶点至少有两条路互相连通。

什么叫"恰好覆盖两次"？每条路（边）都必须被走两遍——不多不少。

听起来像一道小学奥数题对吧？但就是这个问题，难住了半个世纪的数学家。历史上出现过多次所谓"证明"——2015 年有人上传 arXiv，后来发现漏洞撤稿；2018 年又有人宣称证明，结果也有 gap。

所以当 GPT-5.6 说它证出来了，业内人的第一反应是：先别急着庆祝，验过了再说。

CDC 猜想原理图解：无桥图、环覆盖与双覆盖示意

三、GPT-5.6 做了什么？

OpenAI 公开了整个过程的细节。GPT-5.6 Sol Ultra 的证明只有三页纸，用到的数学工具没有一样是 1985 年以后发明的。

证明的三步走

第一步：归约到三次图

三次图就是每个顶点恰好连出三条边的图。数学界早就知道，如果能证明三次图满足 CDC 猜想，整个猜想就成立了。这一步是标准操作，没难度。

第二步：8-流定理打标签

利用 Jaeger 在 1970 年代的 8-流定理，给每条边打上一个来自 F₂³（三元有限域，只有 8 个元素）的"标签"。每个标签非零，并且在每个"路口"（顶点），三条边上的标签之和必须为零。

这有点像给公路网中的每条路标记一个颜色（从 8 种颜色里选），要求在每一个交叉口，三种颜色的组合必须抵消。这个定理本身是 1970 年代的成果，GPT-5.6 直接拿了现成的。

第三步：线性代数收尾——最妙的跳跃

这是证明的核心。GPT-5.6 把每条边的标签转换成"标签集合"——每条边得到一个恰好包含两个元素的集合。然后证明：在每个路口，每个可能的标签值要么出现 0 次，要么出现 2 次。

这一步被归结为一个线性代数方程组是否有解的问题。GPT-5.6 用对偶空间的性质证明了该方程组总有解。

曼彻斯特大学的数学家 Thomas Bloom 是第一批公开评价这份证明的学者。他的评价值得全文引用：

“这是一个非常漂亮的证明。它简短、初等、方法并不复杂。如果当年有人想到，80 年代就能完成。”

他还发现了一个有意思的细节：GPT-5.6 没有引用 Bermond、Jackson 和 Jaeger 在 1983 年的一篇关键论文——而该论文似乎已经为 GPT-5.6 的方法提供了核心思路。Bloom 猜测，模型可能在训练数据中"吸收"了这些思想，但没有显式引用。这是一个关于 AI 与学术规范的微妙问题。

四、700 词 Prompt 里藏着什么？

这份证明真正的技术含量，不在数学上，在 Prompt 工程上。

OpenAI 公开了完整的 Prompt。它不是那种"请证明 CDC 猜想"的一行指令，而是一份精心设计的约束型 Prompt。我把它拆解成几个核心设计原则：

原则一：定义验收标准，不规定解题路径

这是最关键的反直觉设计。Prompt 没有说"用归纳法"或"用流理论"或"找极小反例"——它只说最终结果必须满足什么条件：

每一个有限、无桥、无自环的多重图，都必须被证明存在圈双覆盖
不能只证明三次图（那是归约，不是证明的终点）
不能只证明平面图
不能假设图一定连通

核心理念：当解路径未知时，约束输入端和输出端，把中间交给模型自己探索。 这与当前 Agent 开发的最佳实践完全一致。

原则二：提前消灭所有歧义

Prompt 花了大篇幅定义每一个术语：

什么是图？什么算桥？什么算环？什么算圈双覆盖？
平行边允不允许？两条平行边能不能组成一个环？
不连通图怎么处理？无边图怎么处理？
环不必是诱导环，不必彼此边不相交——唯一要求是每条边恰好出现两次

这看起来啰嗦，但越是重要的任务，越不能依赖模型"应该知道我的意思"。模型出错的根因，往往不是推理能力不够，而是一开始理解的任务就和你要的不一样。

原则三：明确列出"不算答案"的结果

这是最值得直接照搬的技巧。Prompt 没有只说"请给出完整证明"，而是专门列出了一批"看起来很接近、实际上不算完成任务"的情况：

只证明了特殊情况（如三次图、平面图）——不行
给出了不完整的证明框架——不行
找到了证明思路但没有写完整——不行
提交了一份"进展报告"——不行

告诉模型什么不算完成，比告诉它什么是完成更有效。 边界条件比目标描述更不容易被"优化"掉。

原则四：植入"对抗性验证"

Prompt 要求模型在生成证明的同时，启动独立的"对抗子 Agent"——专门负责找漏洞、找边界情况、找潜在错误。生成和验证分离，这是在模拟人类数学研究的同行评审机制。

原则五：强制保持路线多样性

在早期阶段，不同子 Agent 被明确要求尝试完全不同的路径：有人走代数路线，有人走组合路线，有人走结构归纳。在结果收敛之前，没有一个"当前最优方向"——这防止了系统过早锁定在一个可能错误的方法上。

原则六：禁止联网 + 禁止投降

Prompt 明确要求：不要上网搜索是否已经有人证明过这个猜想。而且还加了一句狠的——“假设这个猜想确实是对的，别浪费时间怀疑它有没有反例。”

以及：“至少工作 8 小时再考虑放弃或返回。”

虽然系统预留了 8 小时计算时间，GPT-5.6 实际只用了不到 1 小时就把证明跑出来了。但那个"被迫坚持"的心理设定，可能是关键。

64 子 Agent 工作流程图：并行探索 → 对抗验证 → 收敛证明

五、社区反应：两种声音

目前整个事件处于"等待验证"的阶段。但社区反应已经明显分成两派：

乐观派：这是里程碑

Noam Brown（OpenAI o1 核心贡献者）在 ICML 会议现场第一时间表态：“这次不靠内部特供模型，纯靠公开可用的 GPT-5.6 Sol Ultra 就把活儿干了。”

支持者认为，这证明前沿模型在数学推理领域的天花板还在快速拉高——而且多 Agent 并行架构可以在不提升模型能力本身的情况下，把任务时间压缩一个数量级。

审慎派：别着急开香槟

更多数学家持保留态度。CDC 猜想历史上被"证明"过太多次，又太多次在评审中失败。Bloom 虽然称赞证明本身"漂亮"，但也指出引用缺失的问题。

Hacker News 上数学背景的评论者指出了一个尴尬的事实：证明中使用的所有数学工具，没有一样是近 30 年的东西。 如果证明是对的，这意味着真正的突破不在新理论的创造，而在对这些旧工具的组合运用——一种"组合式创造力"，传统上被认为是人类数学直觉的核心。

还有人对时间点提出了质疑：GPT-5.6 发布的时间恰好与 OpenAI 安全负责人 Johannes Heidecke 和首席未来学家 Joshua Achiam 的离职相重叠，公司内部的部署安全页面也标记了 GPT-5.6 存在"令人担忧的对齐问题"。证明是真的还是公关策略？这个问题暂时没有答案，但它提醒我们：任何公司发出来的"里程碑"都需要放到更大的背景下看。

六、更深一层的意义

无论这份证明最终是否通过评审，它已经揭示了几件重要的事：

1. AI 数学的瓶颈从"生成"转向了"验证"

这是两个月内的第二个重大 AI 数学声明。2026 年 6 月 OpenAI 和 DeepMind 各自在 Erdős 单位距离猜想上有过动作。现在加上 CDC。

模式很明显：AI 系统正在以远超人类数学家阅读速度的节奏，生成对悬而未决猜想的候选证明。 人类已经跟不上 AI 生成的速度了。未来，形式化验证（Lean/Rocq 等）将不再可选——它们是从"AI 声称证明了"到"数学界确认证明了"之间的必经桥梁。

2. Prompt 设计的范式转移

这份 700 词 Prompt 值得每个做 Agent 开发的人仔细研究。它揭示了一种新的范式：

旧范式	新范式
告诉模型怎么做	只定义什么是"完成"
写步骤	写约束
要求输出	禁止非目标输出
单一 Agent 串行	多 Agent 并行+对抗验证
给定方法	强制路线多样性

这个范式不限于数学。任何需要深度推理的领域——代码审查、安全审计、法律推理、药物发现——都可以移植。

3. 700 词就能驱动的事，不需要 700 页

这可能是最反直觉的点。整个 Prompt 只有 700 词。它不是在"教"模型数学，而是在"管"模型的注意力。把核心里程碑钉死，其余交给模型自己找路——这种"轻干预"风格，可能比工程师想象的要有效得多。

4. "组合式创造力"可能被低估了

CDC 证明没有用到任何新理论。它用的全是不超过 1985 年的工具。如果证明是对的，这意味着 AI 的"创造力"可能以一种我们没预料到的形式展现：不是从零生造理论，而是找到已有工具之间的关联——这种关联因为超越了单个人类研究者能掌握的知识面，从未被尝试。

七、接下来会发生什么

未来几周：图论社区的专家将对证明进行逐行审查。最关键的是 Lemma 2.2——HN 上已经有评论指出这一步可能存在微妙的 gap。
如果证明成立：这篇论文将在 arXiv 上出现（可能带人类合著者），然后走向 Journal of Combinatorial Theory 之类的期刊。这将是 LLM 首次独立解决的"维基百科未解问题列表"上的猜想。
如果证明有漏洞：这也不是全输。GPT-5.6 能走到"专家需要几小时才找出 gap"的程度，本身就说明推理能力的边界在位移。
形式化验证跟进：无论结果如何，这个案例大概率会加速数学界向 Lean 等形式化工具的迁移。

对于内容创作者和技术写作者来说，现在是最好的观察窗口期：故事正在发生，结局还没写定。