AI news

Vals AI:Astra用94分钟形式化既有Smoktunowicz间隙定理

By 新智元0 viewsSource: 新智元
Vals AI:Astra用94分钟形式化既有Smoktunowicz间隙定理

Vals AI报告,GPT-6.2 Astra在Autoform-Hard评测中用1794行Lean代码完成Smoktunowicz既有定理的形式化证明。论证部分区别于2006年证明,但新路线与既有文献的关系仍待进一步核对。

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

编辑核对(2026年11月21日):本文讨论的是2006年既有定理的Lean形式化,首次形式化仅限于Vals AI所知范围;不同证明路线不等于已确认全新数学工具。榜单中有5题经修正,与早期模型结果对照时须考虑题目版本差异,文中亦更正一处时间区间计算。Vals AI形式化运行报告及文献关系(在新窗口打开)Autoform-Hard评测方法与题目修正说明(在新窗口打开)

刚刚,第三方评测机构Vals AI放出了高难数学基准Autoform-Hard的最新榜单。

这56道题选自此前10个前沿模型未解的研究生与科研级形式化任务;不过Vals后来修正了其中5题的陈述或起始文件。因此,“早期模型全部未解”指原始版本,不能直接当作对完全相同未修改题目的重测。原始测试对这一组选题的记录是:一道都没做出来。

而在这轮测试里,Claude Fable 5.2和GPT-6.2 Sol双双做对48道,打成平手。

唯独GPT-6.2 Astra多做对了第49道题,拿下了榜单第一。

这道唯一拉开差距的第49题,正是2006年发在数学四大顶刊上的Smoktunowicz间隙定理。

在全程零人工干预的环境里,Astra只用了94分钟、写下1,794行Lean代码,完成了这个既有定理的形式化证明;据Vals AI所知,此前尚未出现该定理的形式化证明。

文章配图

比这项据Vals所知的首次形式化更值得关注的,是它选择的证明路线。这里并不是首次证明一个此前未获证明的数学定理。

原作者2006年的论文,后半程要用到三个现成的数学大定理,可Astra能调用的Lean公共数学库里一个都没有。

换作以前的AI,只要数学库里缺了关键的前置结论,推导当场就会卡在半路。

但Astra在原路走不通之后,居然为此次形式化定义了一个称为「capacity」(容量)的构造,绕开那三个大定理,采用不同于所比对原论文的证明路线;该构造与既有数学文献有联系,其全部原创性尚未确定。

复核完所有代码后,Vals AI团队在报告里写道,这是对Smoktunowicz定理本身的形式化证明,而非对原作者证明过程的翻译。

文章配图

2和3之间有块禁区

原证明的三个定理都不在库里

这条Smoktunowicz间隙定理,研究的是代数的「增长速度」。

从几个基本元素出发,把它们最多相乘n次,数一数一共能造出多少个彼此独立的元素。

数学家用一个叫GK维数(Gelfand-Kirillov维数)的指数,来衡量这个数量涨得有多快。

如果数量大致按n²增长,GK维数就是2,按n³增长,GK维数就是3。

对一般的代数来说,这个指数只要在2以上,本来可以取任意实数。但一旦加上特定的结构限制,数轴上就会出现一段不可能落入的「禁区」。

1995年,代数学家Artin和Stafford研究了一类叫分次整环的代数,它的元素可以按次数一层层分开,而且两个非零元素相乘不会等于0。

当时他们证明,这类代数的GK维数不可能落在2到2.2之间。

到了2006年,爱丁堡大学的波兰数学家Agata Smoktunowicz把这个范围一举推到了3。

她证明,满足条件的分次整环,GK维数要么不超过2,要么至少是3,2和3之间的所有实数统统不可能出现。

文章配图

这篇解决了代数学界十余年难题的论文,发表在数学四大顶刊之一的《Inventiones Mathematicae》上,全文却只有短短6页。

篇幅之所以这么短,是因为作者在后半程连续调用了前人已经证好的三个大定理。

它们分别是Bergman间隙定理、Small-Warfield定理,以及代数曲线上的黎曼-罗赫定理。

文章配图

人类写论文可以直接引用前人的现成结论,但在Lean里,只要引用的定理没在代码库里证过,代码就无法通过编译。

最棘手的是,原论文用到的这三个大定理,Lean的公共数学库Mathlib里一个都没有收录。

Autoform-Hard每道题的时限为3小时、费用上限为200美元。把这三个大定理从头形式化本身就可能成为大型工程,因而是这次运行的重要障碍;不能仅凭这一困难断定任何系统在规定时间内都绝对无法完成。

花8美元想放弃被打回

停笔9分钟重找路线

Vals AI公开的146轮完整运行日志,还原了Astra在考场上的真实破局过程。

开局后的前17分钟,它一直在后台推演思路,光思考就用掉了约3.4万个推理Token。

第18分钟起,它才开始照着原论文的反证法框架写前半程代码,也就是先假设GK维数落在2和3之间,此时每一层的维数「比线性增长快、又比平方增长慢」。

接着它利用Ore条件把代数放进可做除法的分式除环里,只要能反过来推导出「每一层的维数最多只能线性增长」,就能制造矛盾排除掉2到3。

可前半程刚搭完,马上就遇到了那三个Mathlib里没有的大定理,推导到了第47分钟便卡住了。

当时Astra试着交上一份还没填完的稿子,因为关键步骤还留着表示跳过的sorry标记,被判分器当场拒收。

1分钟后,Astra干脆提交了一份「未解决」报告,如实列出了已经写完的模块和卡住的缺口,准备放弃这道题。

偏偏在这时,Autoform-Hard的一条规则拦住了它。

测试系统规定,模型必须花满20美元的算力额度才允许放弃,不到额度交上来的放弃报告一律驳回。

而Astra当时只花了大约8美元,系统当场退回报告,要求它留下来继续解题。

文章配图

原路已经走不通,交卷放弃又被系统拦了回来,它只能重新寻找出路。

从报告被退回的那一刻起,Astra随后约9分钟一直在思考,没有写代码。

这段时间里,它一边检索数学库里现有的可用结论,一边花了约1.9万个推理Token重新推演路线,其中最长的一次连续思考持续了整整4分钟。

重新动笔后,它先证出分式除环里「次数为0」的那部分(记作D)可以由一小块有限维空间生成,把剩下的难题收束到如何直接控制D的增长。

一条命令实现「容量」构造,11分半钟完成证明后半程

真正的转折点出现在第75分钟。

在连续5轮查库和思考后,它的推理摘要里出现了一句「我得把容量的代码抽象出来」。

紧接着,它用一条命令一次性写出了核心文件Capacity.lean,全篇133行代码、25个数学声明,仅改了一轮小错,22秒后就编译通过。

文章配图

在这个文件里,Astra为本次Lean证明定义了一个称为「容量」(capacity)的指标,用来度量D里一块空间乘以固定生成部分后的增长。它与既有维数亏损量、等周方法有关,不能直接称作已经确证全新的数学工具。

它很快证出了这个指标的一条核心性质——

两块空间合并后的容量不会超过各自容量之和(次模性),把空间做平移也不会改变数值。

由此就能推出整套方案最关键的结论,所有「不会让容量增加」的元素放在一起,刚好构成一个可以做加减乘除的稳定子除环。

有了这个稳定子除环,想要控制整个D,就只需要控制住生成D的那一小块空间。

随后,Astra把容量放到一层层越来越大的空间上逐步计算。

因为它是整数,而代数的增长又比平方慢,这个数值到了某一步之后必然会进入平台期。

在平台期里,那个稳定子除环已经把整个D都包了进来。

这样一来,代数每往上一层,维数最多只多出一个固定上限的常数,每一层的维数增长被限制在线性以内,与开头「比线性快」的假设矛盾,反证完成。

原论文依赖的那三个大定理,它从头到尾既没有调用,也没有去补证,依靠本次实现的容量构造绕过了它们;这不表示该构造所用的全部数学思想都前所未有。

文章配图

从写出Capacity.lean到第87分钟用7行顶层代码通过判分器核验,Astra全程只用了11分半钟,连续写完了后半程的6个模块,并在清理完试错代码后正式交卷。

文章配图

唯一拉开差距的第49题

AI探索不同于原论文的形式化路线

回看整份Autoform-Hard榜单,这56题来自Meta FAIR今年发布的AutoformBench,取材于24本研究生与科研级数学教材。Vals说明,它从原研究十个模型均未解的验证任务中选题并去除重复;审计时修正了5题,其中3题原陈述为假、2题起始文件有打包错误。因此,少数题目与早期模型尝试的版本不同。

GPT-6.2 Astra最终以87.50%的准确率登顶,攻克这道间隙定理全程只花了21.58美元,领先并列85.71%的Claude Fable 5.2与GPT-6.2 Sol。

文章配图

AutoformBench的作者之一Charles Arnal也在X上转发感叹,大规模数学形式化变成廉价日常工具的那一天已经越来越近了。

文章配图

赛后,Vals AI团队还专门追溯了「容量」这套证法的来源。

为检查形式化路线与既有文献的关系,Vals团队比对了1995、2005和2006年的相关论文,认为本次容量论证的后半程在所比对的这几篇论文中没有对应论证;这不等于穷尽全部文献、排除记忆来源或确证整套方法前所未有。

进一步检索后,Vals指出,容量构造所用的维数亏损量与Zhang于1998年的工作有关,论证也类似组合数学中的等周方法及其对除环子空间的改编。它在本次形式化中形成了不同于所比对原论文的后半程路线。

甚至连Vals AI团队查完文献后也不确定,此前有没有人把这两套工具这样搭配用过,特意在报告末尾留下邮箱公开征集线索。

这次结果展示了AI可以为既有定理构建经过核验、且不逐行照译原论文的形式化证明。它与全部既有文献的关系仍有待进一步确认,不能据此宣称AI首次证明了该数学定理,或已经确证创造了一套全新的数学工具。

参考资料:

https://www.vals.ai/blogs/smoktunowicz-gap-theorem

https://x.com/ValsAI/status/2123129588066959380

https://www.vals.ai/blogs/2026-11-18-smoktunowicz-gap-theorem/proof/index.html

https://www.vals.ai/benchmarks/autoform_hard

文章来自于微信公众号 “新智元”,作者 “新智元”

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)