谢俊逸用GPT-6没解出的题，中国大模型7批推演攻破

一道悬了30多年的世界级数学难题，被中国团队用人机协同的方式啃了下来。三维Ghys猜想，由法国数学家艾蒂安·吉斯（Étienne Ghys）于1995年提出，如今由大湾区大学教授许地生团队借助中国科学多模态大模型完成证明。北京大学董彬教授、刘若川院士团队用自主开发的SHEAF框架做了形式化验证，确认了这项工作的正确性。

论文已上传预印本平台arXiv，形式化代码同步在GitHub公开。按报道的说法，这是中国科学家首次用中国大模型攻克世界级数学难题。

这道题到底在问什么

Ghys猜想的核心，是混沌的动力系统行为能否决定几何上的分类。如果猜想成立，混乱的动力学轨迹问题就能被化归成简洁、规整的标准代数模型。

可以把它想象成一个封闭有限、没有边界、每一小块都遵守复数运算规则的「世界」。Anosov系统类似揉面：按压、延展、折叠，部分方向被拉伸，部分方向被压缩。拉伸会让初始紧邻的点快速分离，初始条件的微小差异带来截然不同的演化结果。

猜想说的是：只要存在这样一种「既像揉面又完全规则」的运动，这个「世界」就只能长成高度规整的形状，比如复环面。换句话说，运动方式太混沌，反而决定了世界只能长成什么形状。

2026年国际数学家大会45分钟报告人、北京大学谢俊逸教授评价，这道题的难点在于其对应的实数版本类似断言仍是著名的完全公开的难题，复数情形问题变得更加刚性，是复动力系统刚性现象研究中的重要问题，非常困难。

7批推演，389个节点

许地生长期深耕这一猜想，曾与导师、菲尔兹奖得主阿图尔·阿维拉（Avila）合作研究三维情形，未形成有效证明思路；此后他与学生张洁松博士合作，在三维情形下取得部分弱相关结果，刊发于《欧洲数学会杂志》（JEMS）。

2026年3月，许地生与国内某AI实验室的科研团队组建联合团队，同步搭建了面向数学研究场景的Harness系统。针对三维Ghys猜想的首轮推理，模型产出400页推导报告。

训练策略上走「通专融合」路线：大规模科学知识预训练打底，再构造研究级后训练数据，包括来自数学论文的难题和可靠校验方案。算法层面突破了异步长程推理强化学习训练方法，在可验证奖励下处理误差指数级累积、长期状态维护、自我纠错等问题；同时研发了把Harness能力提升反向蒸馏回模型的自进化算法。

分工是这样的：大模型负责长链条大规模推演，铺开多条支线同步尝试、拆解复杂命题、猜想不同思路，把海量繁琐推导承接下来；研究人员把握大方向，判断哪些思路值得深挖、哪些是死胡同，给出直觉建议作为下一轮迭代的指令。二者通过多轮对话和反馈迭代推进。

在AI首轮探索基础上，许地生与张洁松抓住关键突破口，持续给模型反馈、校准方向。攻关过程中，大模型先后完成7批接续推演，问题图从15个节点扩展到389个，输出总量达上千页严密推导，同时生成数十种全新论证思路。该方向国际前沿学者给出的评价是「思考深度远超预期」。

一个细节：论文上传arXiv之前，谢俊逸教授也曾用GPT-6尝试挑战这道题，并没有找到证明方案。

5天，55万行Lean代码

AI产出的成果是否经得起验证？北京大学董彬教授、刘若川院士团队完成了论文全部四个主定理的形式化验证，证明通过Lean检验。Lean是交互式定理证明系统，能对形式化证明做严格逻辑检查。

北大团队骨干成员姜杰东、吴彬介绍，整个过程仅约5天，峰值并发达100个智能体，产出约55万行Lean代码。专家确认形式化陈述与论文主定理语义一致，Lean验证据此确保其严格正确性。

形式化的难度首先来自数学本身：自然语言证明常依赖读者的数学知识补全条件与推理，形式化则须落实为计算机可检查的完整证明。论文引用的结果若未进入基础定理库，还需补充形式化证明，或寻找利用已有结果的替代路线。动力系统领域原有形式化基础设施不足，这次补充了大量基础设施，覆盖论文依赖的众多文献结果。

为组织这一过程，北大团队使用自主开发的SHEAF框架：多个智能体把论文中的命题、定义及依赖关系组织成一张从目标定理逐层延伸到基础定理库的有向无环图，团队围绕该图编排工作，跟踪各节点的陈述、证明与剪枝状态，把大规模形式化任务分解为相互衔接、可检查的步骤。

北大数学团队是国际上最早布局AI for Math方向的研究团队之一，搭建了覆盖高难度评测集（FATE）、大规模数学知识检索（Matlas/LeanSearch）、自动推理与形式化验证（Rethlas/Archon/Danus/Iteris）的技术链条。其AI系统曾攻克安德森猜想，实现国内首例、也是国际上首个由高校团队主导、依托人工智能自主突破重大数学猜想的成果。近期团队还独立完成了庞加莱猜想的形式化验证。

这次攻关的意义还在于验证了一种新的科研范式：把专家直觉系统性接入机器求解回路，形成「系统探索—专家判断—成果积累—反馈修正」的闭环。按报道的判断，这一范式可复制推广至更多「搜索空间巨大而专家稀缺」的基础研究领域。