AI guides

AI又攻克了一个40年数学猜想

By 机器之心1 viewsSource: 机器之心
AI又攻克了一个40年数学猜想

Shengtao Guo、Ethan X. Fang和Junwei Lu署名的预印本论文宣称利用Odin Automatic AI Research Agent证明了悬而未决40年的Komlós猜想并给出常数界3√(2π),次日陶哲轩等25位菲尔兹奖得主发表联合声明《AI在数学中的严重失准》,警告AI证明速度已远超学界验证与消化的能力。

The full text has not been translated yet. The Chinese original is shown below.

今天凌晨,陶哲轩等 25 位菲尔兹奖得主发出一份联合声明,标题是《AI 在数学中的严重失准》(A Severe Misalignment of AI in Mathematics)。署名名单从 1978 年的皮埃尔·德利涅(Pierre Deligne)一直排到今年刚刚获奖的邓煜,中间是舒尔茨(Peter Scholze)、维亚佐夫斯卡(Maryna Viazovska)、许埈珥(June Huh)、梅纳德(James Maynard)等诸多数学界大佬。

文章配图

https://mathandai.org/

声明并没有否认 AI 很强、作用很大,毕竟 AI 已经可以解决多个数学分支中的重大未决问题。问题是:太快了。这些解法常常是在匆忙中被宣布的,来不及写成规范论文,来不及把新方法和新想法剥离出来,也来不及引用他人的相关前作。

这 25 位菲尔兹奖得主担心,以越来越快的节奏批量生产「真/假」判断,会毁掉孕育新思想的土壤,而数学家之间那条至关重要的人类传承链条会就此断掉。

陶哲轩在博文里还补充说,他们原本计划像 6 月的《莱顿宣言》那样走更充分的征询流程,但认为事态紧迫,必须先把声明发出去。

到底有多紧迫?就在声明发布前一天,又有一个重要猜想被 AI 证明了。

Komlós 猜想被 AI 证明

9 月 10 日,arXiv 编号 2609.11189,标题《Vector Balancing via Directional Total Variation》(经方向全变差的向量平衡),归入组合数学与泛函分析,全文 18 页,无图。

摘要的最后一句是:本证明由 Odin Automatic AI Research Agent 发现。

文章配图

https://arxiv.org/pdf/2609.11189

该论文声称已证明Komlós 猜想(Komlós conjecture)。该猜想由匈牙利数学家 János Komlós 提出,最早见于 Spencer 1985 年那篇著名的《六倍标准差足矣》的记述中,四十年来是差异理论(discrepancy theory)里最有名的未解问题之一。

这个猜想的陈述可以压缩得很短:给你任意多个欧氏长度不超过 1 的向量,无论它们有多少个、处在多少维空间里,总能给每一个配上一个正号或负号,使得加起来之后,每一个坐标上的数值都被一个与维数、与向量个数都无关的常数卡住。

文章配图

Komlós 猜想(Komlós Conjecture)是组合数学和差异理论中关于向量平衡的一个极其著名的未解猜想。它由数学家 János Komlós 提出,连接着计算机科学、几何学以及组合学。

四十年来,这个「常数」始终没人拿到手。Banaszczyk 在 1998 年用高斯测度的方法做到了 O(√log n),这个界立了 28 年没人撼动。

今年,Nikhil Bansal 与 Haotian Jiang 在 STOC 2026 上把它推进到 Õ((log n)^{1/4}),《量子杂志》在 8 月 21 日专门发文报道,称之为「巨大突破」,文章结尾写道,这次进展或许能重新点燃对 Komlós 那个常数界的追逐。

文章配图

https://www.quantamagazine.org/huge-breakthrough-in-the-math-of-imbalance-20260821/

三周之后,这篇预印本直接把常数交了出来:3√(2π),约等于 7.52。

三个生物统计学者与 Odin

论文署名三人:Shengtao Guo、Ethan X. Fang、Junwei Lu。全文只给出了其中一位的单位——Junwei Lu,哈佛大学陈曾熙公共卫生学院生物统计系,另外两位没有标注机构。

这不是一个会出现在差异理论论文上的作者组合。这个方向的常客是 Bansal、Rothvoss、Dadush、Nikolov 这些理论计算机科学与凸几何背景的人,而 Lu 的主战场是高维统计与生物统计。

但这三个人并非第一次做这件事。8 月 16 日,同样的三人署名、同样标注着 Odin,在 arXiv 上传了论文 2608.15515,声称完整证明了布尔超立方体上的 Talagrand 卷积猜想——这是阿贝尔奖得主米歇尔·塔拉格朗(Michel Talagrand)1989 年提出并自掏腰包悬赏 1000 美元的问题。

文章配图

https://arxiv.org/pdf/2608.15515

高斯情形此前已被 Eldan 与 Lee、以及 Lehec 解决,布尔情形一直悬着;2025 年 11 月陈远熙(Yuansi Chen)用扰动逆热流方法证到只差一个 (log log)^{3/2} 因子,2026 年 6 月又被收窄到 log log,这篇论文声称把最后这点损失彻底抹掉。

值得注意的是,这次宣称已经被同行接住了。9 月 10 日,Alexander Shaposhnikov 上传了一篇用鞅方法重新处理 Talagrand 卷积猜想的论文,在引言里直接写道,布尔情形近期已由 Lu、Guo 和 Fang 解决,并注明那是一份由 AI 生成的证明。

也就是说,这个组合此前已经有一次得到过认可的证明成绩了。

至于Odin是什么,论文一个字都没多说。不是 DeepMind 的 Aletheia,不是 Harmonic 的 Aristotle,不是 Axiom,也不是 OpenAI 任何一个已公开的系统。追踪 AI 数学成果的社区站点 VibeMathed 在收录他们那篇 Talagrand 论文时专门写了这点:找不到任何关于「Odin Automatic AI Research Agent」的公开记录,所以模型厂商一栏只能留空。

论文对 AI 角色的全部交代是两句话:Odin 被用来发现证明,最终的证明由作者重新整理成文。

这篇论文说了什么

主定理只有一行:对任意正整数 m、n 和任意 m 维向量 v₁ 到 vₙ,只要每个向量的欧氏范数不超过 1,就存在一组 ±1 赋号,使带符号和的 ℓ∞ 范数严格小于 3√(2π)。

文章配图

由此可立刻得到 Beck–Fiala 猜想方向上的推论:如果一个集族中每个元素最多属于 t 个集合,那么存在一种二染色,使每个集合内的不平衡度小于 3√(2πt)。这正是 Beck 与 Fiala 在 1981 年预言的平方根依赖关系,而他们当年只证出了线性的 2t−1。

文章配图

文章配图

方法上的关键,是把 Banaszczyk 的钥匙换掉了。Banaszczyk 1998 年的框架依赖一个高斯测度判据:只要目标凸体的高斯测度足够大,向量就能被赋号塞进去。这个判据对立方体不友好——固定边长的立方体,其高斯测度会随维数趋于零,所以直接套用只能得到随维数增长的界。

这篇论文换用的不变量是「方向全变差」,粗略地说,是衡量一个概率密度沿某个方向做微小平移时,有多少质量会与原位置错开。关键在于,对于边长固定的立方体,存在一个密度使这个量不随维数退化。剩下的工作,是证明 Banaszczyk 那个几何变换在每一步迭代中都能把这个量原样保住。

论文自己划了清楚的边界:整个论证是存在性的,没有给出多项式时间算法;常数 3√(2π) 也不声称最优。作为参照,目前已知的最好下界来自 Kunisky 2023 年的构造,约为 1+√2 ≈ 2.41,两者之间还有相当大的空隙。

结语

当然,我们还不能就此断言「Komlós 猜想已被解决」,毕竟同行评审还是必需的。

有趣的点在于,这项成果正好落在了菲尔兹奖得主们所说的那个结构性裂缝上:宣称的速度已经远远超过验证的速度。要知道,VibeMathed 目前追踪着 706 个有 AI 参与的数学问题条目,仅最近一周就有纳维-斯托克斯方程(受迫情形)、Smale 中值猜想反例、素数间隔上界等一连串宣称涌入。

文章配图

文章配图

传统同行评审机制的前提是「人类提炼新思想的节奏与验证速度大体匹配」。如今,三位统计学者带着外界未知的 Odin 系统,在短短一个月内接连抛出针对 Talagrand 猜想与 Komlós 猜想的证明。算法批量输出符号与结论的效率,正在迅速击穿整个学界原本用于理解、消化和传承新数学直觉的缓冲带。

这正是陶哲轩等 25 位菲尔兹奖得主发出呼吁的根本原因。如果未来的数学研究沦为一场疲于奔命核验 AI 宣称的防御战,人类数学家赖以维系的共同体生态就会受到不可逆的冲击。

3√(2π) 到底能不能通过检验,时间会给出答案;但在它之后,数学界如何与这股狂暴的算力共存,才是真正悬在所有人头顶的未解题。

文章来自于微信公众号 “机器之心”,作者 “机器之心”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)