GPT - 5.6一页超越44页论文,攻克埃尔德什难题
1991年,《数学年刊》登出József Beck的44页论文《单位圆上零点多项式的模:埃尔德什的一个问题》,攻克埃尔德什问题库中编号119的难题。Beck是组合数学圈知名人物,提出Beck - Fiala定理,获1985年Fulkerson奖,是1986年国际数学家大会受邀报告人、差异理论奠基者之一。此问题是在单位圆上取复数为零点构成多项式,其在单位圆上的最大模Mn,能否在无穷多个n处超过n的c次方,Beck证明可以。该问题当年有三问,第三问悬赏100美元,如今状态为SOLVED。
AI再突破,引发数学界关注
35年后,这篇论文被一页纸超越。说这话的是数学家、曼彻斯特大学研究员、erdosproblems.com网站创建者和维护者Thomas Bloom。埃尔德什留下的1000多道开放问题都挂在该网站,AI宣称解决问题都要过他这关。他在X上称GPT - 5.6 Sol是数学上有趣的新模型,提交到网站的证明经他查看均正确且有有趣想法。OpenAI总裁Greg Brockman转发推文称这是推进数学的分水岭时刻,科学与医学突破近在咫尺。
问题溯源与AI新解
这道题1957年由埃尔德什在论文中提出,此后在1961、1964、1982、1990、1997年反复提及。第一问1980年被Wagner解决,第二问1991年由Beck解决,这就是那篇44页论文,发表于《数学年刊》1991年第134卷第3期。第三问埃尔德什悬赏100美元,如今由GPT - 5.6和数学家Korsky用一页纸解决。Bloom评价GPT在Korsky提示下,用1页调和分析技巧证出比Beck论文更强结果。关键一步是把非负函数卷积再时间平移1,表达式变光滑,这是分析常用方法,旧工具用在新地方。Bloom表示Beck论文有重要想法,但此题用不上,那个常数估计很小,Beck若觉得重要会计算。这不是AI推翻顶刊,而是发现人类可避的弯路,对数学家刺激更大,这次是工具纠正用工具的人。
AI持续发力,解决更多猜想
7月9日GPT - 5.6 Sol Ultra全量放开,7月10日OpenAI宣布其产出Cycle Double Cover猜想完整证明。该猜想由Szekeres在1973年、Seymour在1979年各自独立提出,悬了约五十年。模型分配8小时,实际用不到1小时,64个子智能体并行开工,提示词和证明PDF公开。Bloom评价证明短、初等、1980年代本可发现,推测关键一步有反直觉拐弯。人类数学家可能尝试自然做法不行就放弃,AI不会气馁,会做小变体直到成立,强在不做情绪性止损。
回顾AI解题历程与人类反思
今年4月,GPT - 5.4 Pro在80分钟里解掉Erdős 1196,用的是von Mangoldt函数。牛津的Jared Lichtman在该问题上耗了七年,他称自1935年以来做原始集问题的人习惯同一开局动作,遮蔽了90年的技术可能。陶哲轩认为过去几十年人类第一步就走偏。人类直觉是效率工具,偶尔会省掉不该省的尝试。
AI数学成果争议不断
去年10月,Bloom曾公开打脸OpenAI。当时OpenAI副总裁Kevin Weil转发Mark Sellke帖子称GPT - 5找到10道未解埃尔德什问题的解,11道有进展。Bloom称这是戏剧性的误导,GPT - 5只是找出他不知道的文献,找到文献不等于造出证明。随后LeCun暗讽,Hassabis直言尴尬,Weil删帖,OpenAI研究员Sébastien Bubeck承认只是找到文献已有解。今年5月OpenAI宣布推翻1946年埃尔德什几何猜想时,同步附上Noga Alon、Melanie Wood和Thomas Bloom的评价。
论战:AI在数学上是否撞墙?
Bloom帖子下论战精彩。唱衰派以用户qrdl为代表,认为5.6思维链输出少,677题无进展,物理侧CritPT评测相比5.4几乎没动,AI在数学上已撞墙。他认为大模型是静态权重的token生成器,做数学时不会像人一样实时长出新神经连接,真正的创造性跳跃需要弹性大脑,每次开新会话攻677,模型都用老招式。回怼很快,Nat Sothanaphan指出CritPT是物理测试,不是数学基准,5.6在包括FrontierMath在内的评测上比5.5有提升。实战派代表old - bielefelder报告,GPT - 5.6 Sol思考14分钟、复核9分多钟,把Pintz 2018年0.72的指数改进到0.7195,前一晚GPT - 5.5在同一问题上磨一小时,0.72没动,他将结果通知了Pintz本人。Nat Sothanaphan借用Bloom说法,认为现代数学是巨大教堂,大模型能高效走到前沿,突破源于此,再往前需流动智力,ARC系列评测上涨证明大模型有流动智力,GPT - 5.6 Sol在ARC - AGI - 3上表现随推理档位陡升。
争论焦点:“难”的定义
这场争论两周后,真正吵出来的不是“AI能不能做数学”,而是“难”的定义。数学史上“悬而未决”的条目,部分记录问题难度,部分记录人类耐心边界,现在开始能区分。一道题几十年没人解决,可能是没人肯多尝试,还有多少题目是被人类耐心卡住?



被折叠的 条评论
为什么被折叠?



