OpenAI一次放出近400个数学成果，数学家却说：我们可能几年都审不完

假如有人突然把一整个书架的研究成果放到你面前，你会先兴奋，还是先问一句：谁看过、谁核对过、其中哪些能直接使用？这周的数学界，正在面对类似的问题。

10月6日，OpenAI公开内部前沿模型产生的一批数学结果，并发布论文与部分Lean证明材料。官方表示，更多形式化材料会继续补充。（资料[1][2]）因此，“已经公开”与“所有结果都完成独立验证”，必须分开理解。

这批成果被媒体概括为近400项，包含700多份手稿。手稿可能对应同一结果的不同版本或相关研究，不能把手稿数直接当成独立定理数。The Verge采访的研究者认为，仅理解这批材料就可能需要数年；这是一种专业判断，并非确定的审稿完成时间。（资料[3]）

真正值得讨论的，是当AI能够快速生成研究材料，学术共同体是否有足够的时间，把它们变成可理解、可检验、可继续使用的知识。输出增加，并不会自动让吸收能力同比增加。

真正值得讨论的，是当AI能够快速生成研究材料，学术共同体是否有足够的时间，把它们变成可理解、可检验、可继续使用的知识。

对于普通读者，数学证明可能像一道题的解答：答案对了，就结束了。研究中的证明却需要把问题定义、条件、推理关系与已有工作连接起来。一个结论究竟说明了什么，往往和它是否正确一样重要。

形式化验证能提供重要帮助。把证明写成Lean等系统可以检查的形式，相当于让计算机核对在规定前提下，推导是否成立。但这不等于整篇文章的表达、引用、研究意义和所有外部假设，都已被自动认可。

更不能因为一个研究方向中出现了某种形式化材料，就推断同一批全部结果都通过检查。读者需要看具体版本、具体文件、具体声明，以及检查对应的结论范围。

一个便于理解的类比是软件交付：程序通过某项测试，并不等于它适合所有业务场景。数学比这个类比严谨得多，但两者都提醒我们，验证有明确边界。把边界说清楚，才是真正尊重进展。

一个便于理解的类比是软件交付：程序通过某项测试，并不等于它适合所有业务场景。

这件事让我想到AI内容工厂。一个人可以生成几十份材料，却未必有时间认真读完。最初看起来省下的是写作时间，随后增加的却可能是核实、筛选、修改和解释的时间。

科研中的问题更尖锐，因为错误结果可能影响其他人的研究投入。即使结论最终成立，读者仍然需要知道核心方法、适用条件和能够迁移到哪里。把大量复杂材料交出去，并不等于已经完成知识交流。

我的判断是，未来研究团队需要同时建设两条流程：一条负责探索与生成，一条负责验证与解释。第二条流程不能只是第一条流程的最后一个按钮，因为它需要独立的问题意识与专业判断。

这也意味着评价AI科研成果，不能只比较“完成了多少题”。还应看哪些已获得独立检查，哪些方法可以被其他研究者理解，哪些材料真正帮助了后续工作。产量是起点，不是全部价值。

这也意味着评价AI科研成果，不能只比较“完成了多少题”。

对于刚开始做研究的人，最令人焦虑的可能是：一个准备投入几年的问题，会不会突然被AI处理掉？这种担忧不能简单用“继续努力”来回答，也不能因此认定学习基础知识没有意义。

如果没有基础，你甚至无法判断一份AI结果在说什么。工具越强，对使用者提出的问题越依赖理解能力。能识别问题的前提、寻找反例、判断与已有研究的关系，仍然是研究工作的组成部分。

更实际的策略，是缩短反馈周期。不要把所有时间押在一个几年后才验证的设想上，可以更早整理文献、尝试小规模验证、与同行讨论，及时发现方向是否已经变化。

但这不是鼓励追逐每一次模型更新。研究仍需要持续投入。真正需要调整的是，把工具能力的变化纳入研究规划，同时保留自己的理解与证据链。既不把AI输出当最终裁判，也不假装变化没有发生。

但这不是鼓励追逐每一次模型更新。

对于教学，这件事也有一个明确提醒：作业如果只要求得到答案，越来越难判断学生是否理解。更值得考察的是，他怎样提出条件、为什么选这个方法、能够指出什么局限。

可以设计这样的练习：给学生一份AI生成的推导，要求找出隐含假设，检查关键一步，再用自己的话解释结论适用的范围。这里讨论的是教学方案，不是已经实施的课程案例。

在我的理解里，AI时代的专业训练不应该退化成“谁更会调用工具”。工具能提供候选答案，专业教育应帮助学生建立验证候选答案的能力，并形成能够与他人交流的解释。

近400项成果带来的震动，不只是机器可能做出了什么，还在于人类需要怎样吸收它们。知识生产越快，我们越需要认真区分：哪些只是待检验的材料，哪些已经成为共同认可的依据，哪些值得继续投入时间。

近400项成果带来的震动，不只是机器可能做出了什么，还在于人类需要怎样吸收它们。