网易首页 > 网易号 > 正文 申请入驻

姚期智、杨植麟联合署名论文:9个前沿大模型,如何证明人类数学极限?

0
分享至

来源:市场资讯

(来源:澎湃新闻)

AI能当理论计算机科学家吗?姚期智和杨植麟共同署名的论文给出答案。

如果把理论计算机科学比作数学界的“奥林匹克”,那它研究的不是怎么修电脑,而是计算本身的上限:哪些问题算得快,数学证明的极限在哪里。现在,一批前沿大语言模型,包括ChatGPT在内的这类AI大模型,也来参加这场“奥林匹克”了。


11月9日,澎湃新闻记者获悉,近期图灵奖得主、中国科学院院士、清华大学交叉信息研究院院长姚期智团队,联合月之暗面(Kimi)创始人杨植麟等发表署名论文:《TCSEXAM:在TCS研究的全范围内评估前沿大型语言模型》。论文中推出一个叫TCSExam的“统一考试”,称第一次把理论计算机科学研究的完整链条都纳入评测。

论文中对于大模型共设了四类考题,每类都有机器验算,给世界范围内九个前沿大模型出了一张理论计算机科学的“考卷”:

第一类,定理证明:给AI一道研究级数学定理,让它写出严格证明。证明要用一种叫Lean 4的软件写成——可以理解成“数学作业的自动批改器”,只认逐行严格的逻辑,不认含糊表述。批改由Lean内核完成,相当于机器逐行验算。

第二类,求解器工程:不是让AI针对一道题写死答案,而是让它写一个“通用解题程序”,然后拿大量具体测试数据去跑。比如给一堆图,让程序找出最大的团、最好的切割方案。程序必须能重复使用,不能靠背答案。

第三类,构造:让AI交出一个具体的数学对象,比如一张图、一套编码、一种几何排布,还要附上“证书”,也就是证明这个对象确实满足要求的凭证。机器会检查对象和证书是否都对得上。

第四类,开放猜想。给AI几十年没人证明也没人推翻的数学难题,要求它完整证明或完整反证。反证就是举出反例并证明这个反例确实推翻了原猜想。

在最受关注的定理证明类,GPT-6 Astra在“裸考”条件下:只给主定理,不给中间引理,20道题完整证明出14道,成功率达到70%。Kimi K3.1 Pro以38.3%位居第二,其余多个模型只有个位数甚至零成功率。

论文还发现,如果给AI“递小抄”:补充中间引理和证明思路,成功率会明显上升。Kimi K3解出的定理数从3道增加到7道,DeepSeek V4.1 Flash从0道增加到6道。这说明AI不是完全不会推理,而是需要更好的“脚手架”。

在构造类,AI则不只追平人类记录,还出现超越。

Kimi K3造出一个124个顶点、630条边、既没有三角形也没有四边形的图,超过论文引用的629条边参考记录;它还造出一个量子纠错码,把最小距离从5提升到6。GPT-6 Astra则证明了一个二进制编码的上界:长度22、最小距离10的编码,最多只能有82个码字,改进了此前发表的84。论文同时提醒,这些“超纪录”要经过独立核验,而且评分函数会放大或压缩数值差异,所以还同时报告了原始数学参数。

最戏剧性的是开放猜想类。30个长期未解猜想中,只有6次提交被接受,而且全部来自AI通过网络检索到OpenAI已公开发表的Ryser和MIRUP反例,再改写成考试要求的Lean证明。换句话说,这不是AI“独立想出来”的,而是“查资料查到的”。论文直言,未来应该在断网条件下评测当时仍然开放的猜想。其余28个猜想没有任何完整解决。

不过,失败尝试并非毫无价值。GPT-6 Astra在攻Alon-Jaeger-Tarsi猜想时,独立证明了该猜想在一个有限数域上对所有不超过9维的情况成立,把此前不超过8维的已知范围推进了一步,并经过Lean独立验证。论文还报告了另外四个可独立验证的局部结果。这说明AI攻大猜想虽然解不了“大Boss”,但能顺手打出一些有价值的“小怪”。

根据论文推断显示,前沿AI已经能在研究级定理证明、构造优化和求解器工程上做出实质成果,但在真正解决开放猜想上仍然有待加强,如果说要独立攻破世界级的数学猜想,目前还有很长的路要走。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
波兰和丹麦等地接连发生一系列“严重事件”,法国总统马克龙谴责俄罗斯称俄方相关行动是“不负责任的赌博,只会让俄罗斯更加孤立”

波兰和丹麦等地接连发生一系列“严重事件”,法国总统马克龙谴责俄罗斯称俄方相关行动是“不负责任的赌博,只会让俄罗斯更加孤立”

扬子晚报
2026-11-21 17:42:16
浙江首例未经许可举办高危体育赛事活动被罚

浙江首例未经许可举办高危体育赛事活动被罚

环球网资讯
2026-11-22 15:07:26
对于明天周一后A股,我只说3点:第一,3500点或许只是一个开始?

对于明天周一后A股,我只说3点:第一,3500点或许只是一个开始?

趋势博谈
2026-11-22 22:08:51
陆毅说:“如果我女儿的男朋友很上进,但家境一般,我会棒打鸳鸯。因为我觉得门当户对很重要,而且婚姻要得到双方父母祝福,才会幸福”!

陆毅说:“如果我女儿的男朋友很上进,但家境一般,我会棒打鸳鸯。因为我觉得门当户对很重要,而且婚姻要得到双方父母祝福,才会幸福”!

财经要参
2026-11-22 23:23:41
不出意外,明年开始,房价、房租、物业费或迎新一轮大洗牌

不出意外,明年开始,房价、房租、物业费或迎新一轮大洗牌

鉴古知微
2026-11-23 01:20:08
一定要告诉孩子:读书为什么要“拼命”?不是为了考第一,是为了人生有退路

一定要告诉孩子:读书为什么要“拼命”?不是为了考第一,是为了人生有退路

好爸育儿
2026-10-06 19:02:20
CBA最新消息!上海男篮内讧,韩德君或被处罚

CBA最新消息!上海男篮内讧,韩德君或被处罚

体坛瞎白话
2026-11-22 09:19:56
中国未来最大敌人,不是特朗普,而是即将手握万亿美元的马斯克

中国未来最大敌人,不是特朗普,而是即将手握万亿美元的马斯克

麓谷隐士
2026-11-22 00:05:04
中国女首富范红卫:年入8117亿,超华为成第3民企,她哪来的钱?

中国女首富范红卫:年入8117亿,超华为成第3民企,她哪来的钱?

照亮你的前行之路
2026-10-24 15:53:45
两大天后今夜武汉隔空对唱!59岁那英被全场的“生日快乐”惹哭;60岁林忆莲裹着厚大衣、戴着棉手套,一句话没说,先唱两个多小时

两大天后今夜武汉隔空对唱!59岁那英被全场的“生日快乐”惹哭;60岁林忆莲裹着厚大衣、戴着棉手套,一句话没说,先唱两个多小时

极目新闻
2026-11-21 22:54:42
美国最大战略失误不是低估中国芯片,而是2004年放走图灵奖唯一华裔,二十年后他给中国种出一片AI人才森林

美国最大战略失误不是低估中国芯片,而是2004年放走图灵奖唯一华裔,二十年后他给中国种出一片AI人才森林

唠叨说历史
2026-11-13 11:19:05
特朗普:下个月在美迈阿密举行G20峰会,普京会参会吗?

特朗普:下个月在美迈阿密举行G20峰会,普京会参会吗?

麓谷隐士
2026-11-22 17:50:56
32GB+1TB!华为新机官宣:11月24日,正式发布!

32GB+1TB!华为新机官宣:11月24日,正式发布!

科技堡垒
2026-11-22 08:00:44
演员欧阳奋强:儿子早逝,和初恋妻子相伴40年,晚年生活怎样了?

演员欧阳奋强:儿子早逝,和初恋妻子相伴40年,晚年生活怎样了?

锅锅爱历史
2026-10-01 04:00:27
U17世界杯疯狂一夜!国足惨败却等来出线希望

U17世界杯疯狂一夜!国足惨败却等来出线希望

林子说事
2026-11-22 15:25:36
拉夫罗夫称基辅是俄罗斯故土,乌方:那库班呢?

拉夫罗夫称基辅是俄罗斯故土,乌方:那库班呢?

桂系007
2026-11-22 23:21:19
痛心!38岁江苏美女教师梁娇去世,丈夫去世不到百天,女儿才7岁

痛心!38岁江苏美女教师梁娇去世,丈夫去世不到百天,女儿才7岁

云舟史策
2025-06-23 09:35:09
OpenAI反蒸馏防护见效:思考链提取成功率降至0.2%

OpenAI反蒸馏防护见效:思考链提取成功率降至0.2%

爬虫饲养员
2026-11-22 07:44:48
朱祁钰:朱瞻基厌恶他,朱祁镇恼恨他,活了28岁留下两个待解谜团

朱祁钰:朱瞻基厌恶他,朱祁镇恼恨他,活了28岁留下两个待解谜团

何氽简史
2026-11-19 22:01:15
伊能静坐观察室刚开口,一句“根本不认识”,撕开多少明星假友情?

伊能静坐观察室刚开口,一句“根本不认识”,撕开多少明星假友情?

草莓解说体育
2026-11-21 06:32:20
2026-11-23 03:27:00
新浪财经 incentive-icons
新浪财经
新浪财经是一家创建于1999年8月的财经平台
5582778文章数 10065关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

时尚
手机
教育
本地
艺术

这些才是适合50岁女性的穿搭!衣服不花哨、不老气,得体又自然

手机要闻

星芒OSTA O1 Pro新机确认支持华为自研Wi-Fi 7+芯片级协同技术

教育要闻

曾经“感动中国”的庞众望完成清华大学博士论文答辩,本人发声:将继续潜心钻研,在科研探索的道路上不断前行

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

艺术要闻

世界十大著名宫殿盘点:中国独占两席

无障碍浏览 进入关怀版