怎样看待人工智能生成的大批数学成果

——由 OpenAI 公开七百余篇数学手稿引出的几点认识

2026 年 10 月 6 日，OpenAI 在代码托管平台公开了数学成果仓库 openai/math，一次性向社会发布七百余篇数学手稿。这批手稿归入 372 个"结果家族"，覆盖数论、代数几何、理论计算机科学等十余个领域；据其说明，产出这批成果的模型并未对外发布，模型被问及的开放问题约计四千道，每个留存结果平均耗用的算力约相当于 ChatGPT Pro 思考三小时。10 月 7 日，因一篇文献中的符号错误，其中三篇被撤回，目录调整为 719 篇。同期，相关的学术团体与多位知名数学家也相继表达了对发布方式的保留意见。

这一事件引发的讨论，多集中于"人工智能能否从事数学研究"这一问题。但从事件的实际情况看，更有待厘清的，或许还不是能力层面的问题，而是以下几个更具体的认识问题：形式化的验证与人们的理解是不是一回事；大批量产出与知识的传承是不是一回事；而当产出的规模超出既有制度的消化能力时，贡献应当如何计量、标准应当由谁来定。 以下就此谈几点认识。

一、宜先把事实说清楚：这批成果的性质尚待学界核验，其中人的参与未被计入署名

讨论之前，需要先明确几个基本事实，以免评价失据。

其一，这批成果未经同行评议。发布于代码托管平台，不属于经学术期刊审读后发表的意义上的成果；其中部分配备形式化验证脚本，部分未配备。据公开的统计，完全形式化的主结果约占两成，连同部分覆盖者约计两三成，其余尚未经过机器核验——发布方自己也提示，未经形式化的结果"可能存在问题"。各家媒体在篇数与覆盖率上的计数略有差别，差别主要出在"完全形式化"与"部分覆盖"如何计算。

其二，这批手稿整体上并无具名作者，统一署于企业名称之下（采用一种开放许可），连所用模型的具体型号亦未公布。值得指出的是，发布方在说明中主动列出了两个例外：其一为关于黎曼 ζ 函数无零点区域的一份文稿，其中 Re(s) > 11/12 那一版为提升可读性而经人工编辑；其二为 CM 阿贝尔簇上的霍奇猜想相关工作，未完全沿用标准流程。这说明在这批成果的产出过程中，人的参与是实际存在的——即便只集中在少数几处，且在最终的署名中没有得到体现。

其三，就整个事件的进程看，相关的争议并非突然而起。在此之前，围绕另一项成果的发布，已出现过公开的致谢争议：有学者称其在使用商业工具的同类工作中，被要求不要在论文中致谢特定合作者。双方对此各执一词，相关企业否认直接取用，同时表示不能排除经由脱敏使用数据而间接受益。此外，亦有报道指出先前批次中的部分成果，对既有文献的依赖未在引用中充分体现。

把这些事实摆在一起，便不难看出：本次讨论真正紧要的部分，或许并不在"机器能不能解出难题"，而在于一个更具体的问题——当一项成果由人与工具共同完成时，各方的贡献应当如何被记录与认定。

二、"形式成立"与"为人所理解"，不是同一把尺子

在这一事件中，一个常被混淆的问题是：形式化验证通过，是否就意味着该成果已经完成。

严格说来，两者所依据的是不同的判据。一类工作追求每一步推导都可被机器检查：将证明写成形式语言，自首行至末行逐步合法，由核验器确认其无误。这类工作就其自身而言是站得住的，并不因为由机器生成而失去效力。但其判据所回答的是"每一步是否合法"，而非"这套论证是否已被人们理解"。

另一类工作追求的则是另一件事：用更少的、结构性更强的陈述，概括更多的具体情形。天文学史上有一个常被引用的例子——第谷留下了大量观测数据，开普勒将其概括为三条定律；数据未增未减，所改变的是描述它的结构。就数学而言，这种工作通常表现为找到更合适的前提、更清晰的变量，或识别出若干条真正起作用的恒等式，使得原先需要逐步枚举的情形，可以一并交代清楚。

这里可以借助一个比喻来说明两者的差别：过江有两种办法，一种是寻渡绕行，终亦能抵达对岸；另一种是架一座桥，使后来者不必重复前人的探寻。二者都能抵达，差别在于有没有留下一条可以让人循着走的路。 需要说明的是，这只是一个便于理解的说法。就其内容而言，它所指的就是：把大量具体步骤压缩为少数可传达、可讲授、可独立复核的结构。

采用这一尺度来观察本次发布的这批成果，可以得到一个较为平实的判断：它们在形式验证的意义上大体站得住，在被人理解与吸收的意义上则尚处起步。 发布方自己的说明也印证了这一点——它为数不多地公开了十余份推理过程摘要；而在声明中，普林斯顿高等研究院的九位学者所组成的数学与人工智能顾问组（AGMAI）的表述更为准确：这次发布是一个开端，而不是完成；公开成果，并不等于同行已经理解了这些成果，也不等于它们已经进入数学的知识体系。

同样的情形在其他领域亦不少见。例如在软件工程中，自动生成的代码能够通过编译与测试，但若其组织逻辑未经整理，后继维护者往往难以理解与改动。能够通过校验与被人们所理解，是两个不同的目标，应当分别加以对待，不应相互替代。

三、另一种劳动：把产出整理为可传承的知识，其价值不宜被低估

既已区分两种判据，便可以进一步讨论贡献的类型。

一件数学工作从提出到成为公认的知识，通常需要经历若干环节：先是在大量可能中搜得候选思路，继而判断哪一个候选背后确实存在可用结构，最后把该结构固定下来，写成同行能够理解、能够讲授、能够取舍的形式。就目前的技术条件而言，人工智能在第一个环节上具备明显的规模优势；后两个环节对人的依赖程度仍然较高，且难以单纯依靠增加算力来替代。

这一点并非新见。 数学史上那些被视为里程碑的工作，其分量往往不在于第一步走得多快，而在于把漫长的探索最终压缩成一条后人可以循行的路。这一特点在本次事件中也有具体体现，且是可以计量的。

以森多夫猜想（Sendov's conjecture）为例。该猜想由保加利亚数学家布拉戈维斯特·森多夫于 1959 年提出（部分文献记作 1958 年），至 2026 年悬置六十七年。2026 年 8 月 5 日，研究者莱赫·马祖尔（Lech Mazur）发布文书《森多夫猜想的计算机辅助证明》，附约九万行形式化代码，称该猜想对一切不小于二的次数成立。值得注意的是，该文书明确披露了 GPT-5.6 Pro 在探索、构造、数值检验、审校与写作等环节中的具体协助情况——就"人机分工如何说明"这一点而言，它提供了一个可资对照的样本。

真正使这一成果进入可交流状态的，是随后的一步。 一周之后，菲尔兹奖得主陶哲轩发布对该证明的"消化"：回溯相关文献，提炼出几条真正起作用的恒等式，删去迂回路径，将形式化代码由约九万行压缩至约一万五千行；而所用的工具反而更为基本——主要是代数基本定理、若干基本的变换性质与一条不等式。更值得注意的是，在这一过程中，整理后的论证被证明可以覆盖一个更强的结论。

从九万行到一万五千行，所减少的不只是篇幅，所增加的也不只是可读性。 这表明，所谓"理解"的工作并非简单的文字整理：它涉及对论证结构的重新把握，并且往往能够产出原先未被察觉的结论。这恰恰是该类劳动难以被简单替代的原因。

需要一并说明的是，据公开的登记信息，该成果目前的状态是"形式化核验已通过，独立的表述审查尚待进行"。机器核验的完成与学术界吸收的完成，是两个不同的节点，不宜混为一谈。

四、超出消纳能力的产出与既有的审读制度：与学术期刊检测工具的相似处境

如果说上述讨论涉及的是成果本身，那么接下来的问题则涉及接收成果的那一端。

长期以来，学术出版依赖一套人工审读制度：一篇文稿由若干审稿人阅读复核。这套制度得以运转，有一个隐含前提——待审内容在体量上尚处于人可以读完的范围之内。 当单批次出现数百篇高度专业化的文稿时，这一前提便不再成立。陶哲轩在 2026 年国际数学家大会的演讲中，把这一状况称为"证明消化不良"，意即产出端与吸收能力之间出现了失衡。

类似的处境，在学术出版的其他环节其实已经出现过，并且已有应对——虽然不完善。 近年来，不少期刊要求投稿先经检测程序：面对数量增长且难以逐一细读的稿件，审稿人借助一款其准确度尚存争议的自动检测工具给出读数，并据此提出建议；有些刊物甚至预设了"检测值偏高即予退稿"的规则。**应当说，这种做法更多是一种权宜安排——在缺少更好办法的情况下先行设一道门槛。它涉及的是操作层面的应对，

这两件事看上去所指不同——一个关乎是否可读完，一个关乎是否代写——但它们的成因是一致的：体量的激增超出了既有的、逐个人工审读的处理能力，而不得不诉诸某种自动化的、精度有限的替代手段。 认识到这一点，有助于把讨论从个别做法的对错，引向一个更具普遍性的问题：当产出的节奏与既有制度的处理能力不相匹配时，应当由谁来补充这套制度所缺的部分。

由此也就触及一个不应回避的事实：在这一格局中，不同主体的处境并不对称。 大型机构拥有充足的传播渠道，其成果一经发布即可获得广泛关注，因而在相当程度上不必依赖学术共同体的认可程度；而普通研究者需要依赖既有的发表渠道获得承认，也就必须接受这套渠道所设定的流程——包括那些尚未成熟、处在过渡阶段的检测安排。这种差别并非源于各方在学理上是否站得住，而是源于不同的传播地位与制度处境。 客观上看，这是更值得重视的一层。

五、贡献如何计量：宜把"解释与整理"计入贡献序列

最后一个问题，也是最不容易取得一致的一个：贡献如何记账。

在既有学术规范中，署名并不只是一个名字。它是有次序的：不同的位次对应不同的贡献类型与额度——谁提出问题、谁完成主体工作、谁负责核验把关，各有其分。就此而言，署名在实质上是一份关于贡献的记录性文件。

以此权衡本次发布的这批成果：既然其中确有人的参与（发布方自己也列出了人工介入的情形），而这些参与并未在署名与说明中得到具体的、可核对的体现，那么所产生的记录便是不完整的。这不是要否认工具的作用，而是说，一份完整的记录应当把人与工具的各自贡献一并载入。 前引森多夫猜想的例子可以作为一个正面的对照：在该项工作中，工具的具体作用被明确列出，随后整理者的具体工作也被清楚追溯。两相对照，差别不在于是否使用了工具，而在于有没有把分工写清楚。

这个问题并非没有现成的解决思路。陶哲轩主张把一项成果划分为五个阶段：生成、验证、解说交流、同行评审、融入既有知识体系（如进入教科书）；就现阶段而言，机器在其中前两个阶段贡献显著，后三个阶段对人的依赖程度依然很高。据此，他发起了一个公开的登记机制：为每条经机器核验的成果记录四个节点的先后——生成（可用对话记录溯源）、验证（核验代码）、解说（公开报告）、发表（正式文本），并说明其中是否有机器参与、参与在哪些环节。

这一设计中最值得注意的一点，是它把"解释"列为可以据以主张贡献的一项。 换言之，在既有习惯中占据主导地位的"谁先公布"之外，"谁先把这项工作讲清楚"也被赋予了独立的分量。与此相应，他还提出，若成果的提交者无法就其内容做出称职的报告，即使已通过核验，也不宜径行采用。这些主张目前尚未成为通行规范，但作为处理同类问题的一种尝试，其方向是明确的：把抽象的归属争议，转化为可记录、可核对的环节。

六、几点浅见

综合以上讨论，就如何看待此类事件，有以下几点不成熟的意见。

第一，宜区分对能力本身的评价与对成果形态的评价。 人工智能在大规模搜索与形式化核验上的进展是实在的，应予肯定；指出其成果在可理解性上尚未达到传统标准，并不构成对这项技术本身的否定。两者不应混同。

第二，宜把"参与说明"作为一项基本要求确立起来。 凡经人工智能工具显著参与的工作，应说明参与发生在哪些环节、以何种方式发生。这在技术上并无难度，却是后续一切计量与评价的前提。

第三，宜提高"解释、整理、教科书化"这类工作在评价体系中的权重。 若评价体系只按产出的先后与数量计量，而把理解与整理视为附带的、不产生价值的工作，那么承接产能的一方就会长期缺位。

第四，宜推动成果进入由学术共同体托管、可被持续评论与修订的公共登记设施。 这既可以为重大问题留存可核对的次序记录，也能在一定程度上缓解单方发布所带来的追溯困难。

总的看，这一事件的积极意义与其引发的问题同样明显。 大量新成果的出现，说明相关技术已经具备参与前沿探索的能力；而这些成果能否最终成为人类可以讲授、可以发展、可以传授的知识，则取决于接下来还有多少工作由人来承担。产出规模的扩大与吸收能力的增强，二者相辅相成，不可偏废。看清贡献落在何处，把各自所做的部分如实记录下来，或许是各方当下最应着手的一件事。

---

主要出处

1. OpenAI 官方发布说明与 github.com/openai/math 仓库 README、变更日志（2026 年 10 月 6—7 日）。
2. 数学与人工智能顾问组（AGMAI）：《负责任地发布人工智能生成的数学》（2026 年 9 月 29 日）、关于本次发布的声明（2026 年 10 月 6 日）。该组成员包括 Timothy Gowers、Martin Hairer、Edward Witten 等九位任职于普林斯顿高等研究院的学者。
3. 二十五位菲尔兹奖得主联署声明《数学中人工智能的严重失配》（2026 年 9 月 11 日）。
4. 森多夫猜想：Lech Mazur《森多夫猜想的计算机辅助证明》（2026 年 8 月 5 日）；陶哲轩《森多夫猜想证明之消化》（2026 年 8 月 12 日博客）；该项登记状态见 ProofAtlas 页面。
5. 陶哲轩关于成果生命周期五阶段及公开登记机制的论述，见其 2026 年国际数学家大会演讲、加州理工相关会议报告及个人博客。
6. 关于人工智能数学能力的可控证据，参见 1stproof.org 的评测结果（2026 年 5 月 28 日批次）。

标签：人工智能 / 数学 / 学术评价 / 科研规范