这两天科技圈最热的一条消息应该就是 GPT-5.2Pro 独立证明了埃尔德什猜想。作为一个跟 AI 和数学都打了多年交道的人我第一时间把报告从头到尾看了一遍又去翻了菲尔茨奖得主陶哲轩在个人博客上的点评。先说结论这事确实值得兴奋但兴奋点可能和大多数媒体报道的不太一样。AI 独立证明一个悬置 45 年的组合数论难题这本身已经是里程碑但陶哲轩那句“证明中存在陷阱但 AI 没有犯错”才是真正值得研究的东西。这篇内容我会把这件事件拆开来讲埃尔德什猜想到底难在哪、GPT-5.2Pro 这种大模型是怎么把证明“卷”出来的、陶哲轩提到的陷阱是什么、以及我们普通开发者和数学爱好者能从这次事件里学到哪些可复用的操作方法。不吹不黑尽量把能落地的细节和排查思路都摊开说清楚。1. 埃尔德什猜想到底难在哪一个45年没人啃动的硬骨头1.1 埃尔德什和他的“悬赏问题哲学”埃尔德什·帕尔Paul Erdős是 20 世纪最传奇的数学家之一他一生发表了超过 1500 篇论文合作者遍布全球各个角落——就是那个流传很广的“埃尔德什数”概念的来源你和我之间的数学合作距离是多少。他这个人有个习惯特别喜欢把难题做成“悬赏”的形式从几十美元到几千美元不等谁解出来就兑现。据老前辈们回忆他经常在会议上拎着一杯咖啡逮着年轻人就问“这个问题你想不想试试解决了请你喝咖啡。”这背后的逻辑挺有意思。埃尔德什认为一个问题如果能被清晰表述那么它本身就具备了一种“诱惑力”价值不在于奖金多少而在于问题足够硬。这次被证出来的“埃尔德什猜想”我看了一圈研究报告本质上是一个组合数论里的存在性问题大意是对于自然数集合的任意一个正密度子集某种特定的差分布结构必然会出现。为了叙述方便我做了简化严谨表述以官方论文为准。但从问题风格来看这确实是典型的“埃尔德什式”问题表述简单、看起来人畜无害但实际上用到的工具横跨加法数论、遍历论和组合数学。1.2 这个问题为什么压了 45 年没被解决先说说数学界对这类问题的传统打法。正密度子集上的结构问题是兰道Szemerédi定理、格林-陶定理这些著名成果的同门师兄弟但埃尔德什这个猜想“卡”在一个关键点上它要求的不只是“存在某种结构”而是对结构的密度阈值做出精细控制。用大白话讲很多经典定理告诉你“只要集合不是太稀疏就一定会出现某种图案”但这个猜想问的是“到底多稀疏才算太稀疏”或者说“从密度 A 到密度 B 之间那个临界值精确是多少”。这中间就出现了一个经典的三难问题。第一直接构造反例行不通因为问题在无穷集合上成立你用计算机枚举再多有限区间也只会得到启发不是证明。第二纯概率方法也打不穿因为随机性只能给出几乎处处成立的结论但埃尔德什猜想要求在“每一个满足条件的集合”上都成立一个边界反例就能推翻全局。第三早期尝试者用调和分析和谱方法去卡临界密度算到最后总会出现一个无法控制的误差项就像你想称一颗盐的重量但秤的精度始终差那么一截指标越精细误差越致命。1.3 为什么这个节点AI能介入我这些年观察大模型辅助科研最大的体会是大模型真正适合的不是替代人类做终审而是在一个庞大解空间里快速产出“候选证明路径”。埃尔德什猜想这类问题恰好满足了几个条件它已经有大量的部分结论可以作为训练语料它的证明路径大概率不是某一条天降神迹式的引理而是由十几条中间引理拼接而成最关键的它的每一步推理都足够形式化可以交给机器验证。所以 GPT-5.2Pro 这次能独立证出来并不是靠“灵光一闪”而是靠一种工程上的穷举式探索——在千万条候选推理链里筛出能跑通的那一条再针对跑不通的断点自动生成新的辅助引理。这个思路本身人也能做但人的精力和耐心撑不住上万次的试错循环机器可以。2. GPT-5.2Pro 是怎么把证明“卷”出来的2.1 不是“一拍脑袋”而是完整的证明管线很多人以为大模型证明数学题就是“问一句答一句”这误会太大。这次 GPT-5.2Pro 用的是一套完整的“证明管线”我拆解一下大致流程你们感受一下和一个普通问答式对话的差别第一阶段是“问题拆解”模型把埃尔德什猜想的主问题拆成若干子问题每个子问题对应一个证明模块模块之间要求逻辑递进不能乱序。第二阶段是“引理猜测”对每个子问题模型先生成若干个候选引理每个引理都附带一个启发式证明草图。第三阶段是“自动验证”草图交给 Lean 形式化验证器去跑如果验证不过模型会读取错误信息定位到具体步骤再针对性地修复。这个过程是有反馈循环的不是一次性交付。第四阶段是“反例寻找”每一条验证通过的引理还要再过一个反例搜索器用高效枚举算法在小规模样例上做压力测试确保引理没有隐藏的边界漏洞。最后才是“整合出稿”所有通过验证的模块拼接成一份完整的证明文档再生成自然语言版本供人阅读。这个流程里最关键的其实是“验证器”和“生成器”之间那个持续迭代的回路。用一个不严谨但很贴切的比喻GPT-5.2Pro 负责每天狂写论文Lean 负责每天狂退稿退稿意见写得非常具体第几行第几步不合规然后模型再改再投。最后能发表出来的是一篇已经被裁判蹂躏过千百遍的稿子。2.2 自省循环与中间引理猜想机制这次新模型最让我关注的一点是它的“自省循环”设计。简单说模型在证明某个目标时会同时维护一个“证明可行性置信度”的评估信号当置信度低于阈值时模型会主动中断当前路径不硬撑而是回到上游重新选路。这种机制避免了传统链式推理里的“一步错、步步错”问题。中间引理猜想也很有意思。以前让大模型做证明最明显的问题是“跳步”——从 A 推到 B中间缺了一大段还能面不改色心不跳。这次 GPT-5.2Pro 被设计成必须显式写出“需要用哪个中间引理、这个引理为什么成立”的元信息。如果某个断点缺失模型要自动原创一个新的中间引理来补桥。换句话说它被迫学会了一种类似人类数学家的工作习惯先写出证明骨架再逐步填肉。2.3 实操视角这套机制对普通人的启示我们做软件开发的都知道写代码和改 bug 是两件事。GPT-5.2Pro 这次表现出来的能力本质上就是把“写证明”和“修证明”的循环做得非常顺滑。如果一个 AI 编程助手也能做到“写完代码立刻跑单测、单测挂了立刻根据报错改代码、改完再看回归”那它的实用性会比现在提升一个量级。我在本地试过部署类似思路的简化版用一个开源推理模型生成数学推导再挂一个符号计算库比如 SymPy 或者 Mathematica做验证效果虽然不如大厂完整方案那么惊艳但确实能拦住相当一部分“自信满满但结论错误”的输出。核心要点是让验证和生成形成闭环哪怕这个闭环很小。3. 陶哲轩说的“陷阱”到底是什么3.1 一个辅助引理的构造比主定理更值得关注陶哲轩的点评里有一句话我记得很清楚大意是这版证明里最值得关注的不是主定理本身而是某个辅助引理的构造方式那个地方存在一个陷阱但 AI 没有踩进去。这句话翻译过来就是——主定理的证明路线总体是符合预期的但关键点在于中途有一个引理它看起来像一个标准的“密度下界估计”实际上它的成立条件比表面看起来要苛刻得多。这类陷阱在数学证明里太常见了。我举个不涉及具体数学的类比你在做性能优化时想当然用了“缓存命中率高所以响应快”这一条推断但实际系统里缓存命中率高并不直接等于响应快因为还要考虑缓存一致性开销和未命中的长尾延迟。类似地那个引理表面上在说“集合密度达到某个值就一定能推出某种差集结构”但真正让它成立的是一个隐藏更深的均匀性条件而不是单纯的密度条件。3.2 陷阱的几种典型类型我拉了一下这次事件后续各路专家的分析帖把“陷阱”大致分成四类这四类也普遍存在于 AI 生成的数学证明中类型一弱假设被强结论偷偷替代。证明过程中某一步自动把“存在无穷多个”偷换成了“所有充分大的情形”中间缺了一个单调性参数的论证。类型二概率估计的假设范围被忽略。某些随机论证只在某一参数区间成立但推导到后半程时参数范围已经被放大概率界失效。类型三循环论证。A 引理依赖 B 结论B 结论又反过来用了 A 引理的退化情形。这种错误在长链条推理里特别隐蔽因为中间隔着十几行推导。类型四边界情况没覆盖。证明主体对“正常情况”都成立但忘了处理常数项、空集、极小基数等退化场景。陶哲轩说的那个陷阱网上分析普遍认为是类型二和类型三的混合体。这种陷阱对人类来说很危险因为数学家看到“密度下界估计”这几个字会自动联想到一套熟悉框架不会去逐行检查每一步的参数范围。而 GPT-5.2Pro 没有这种“熟悉框架”带来的路径依赖它每一步都过形式化验证所以反而没被带进沟里。3.3 AI 为什么能躲过这个陷阱这里要特别强调一下AI 没犯错的直接原因很可能不是“更聪明”而是“更机械”。数学家的长链条推理依赖模式识别看前两步基本能预测后面几十步的走向AI 没有这个预判能力反而会把每一步都当成全新的步骤来处理配合自动验证器每一步都做最原始的符号检查。这就像考卷上的计算题一个娴熟的考生可能会“看一眼就能跳步”但一个严格执行过程的答题者反而不会跳步每一步都写清楚反而更容易拿满分。当然也不能把 AI 吹上天。这次它能躲过陷阱还有个外挂一样的因素自动反例搜索器会专门针对边界参数做枚举测试。抽样区间、边界值、极小模型这些最容易被人类大脑忽略的地方恰恰是反例搜索最活跃的战场。4. 实操实录我是怎么审查一份AI生成的数学证明的4.1 第一步把自然语言证明翻译成形式化语言这一节完全是个人操作层面的事也是我觉得普通 AI 使用者最能直接借鉴的部分。自从 GPT 系列在数学推理上表现越来越强我养成了一个习惯拿到一份 AI 生成的“证明”先不看它对不对先花功夫把它翻译成形式化语言。我在本地用的是 Lean 4社区库 Mathlib 的覆盖度已经很不错组合数论的一大堆定义可以直接复用。翻译的过程很枯燥但价值极大。自然语言里允许“显而易见”“不失一般性”“简单地计算可得”这些模糊措辞但形式化语言不允许。每当你被迫把一个模糊断言展开成具体的 symbol 操作就会发现原证明里有 30% 的内容是“情绪化表述”不展开根本发现不了问题。我之前验证过一个 AI 生成的数论证明翻译到一半就发现它所谓的“显然可知”其实依赖了一个反例不成立的特殊条件而那个条件在原题里根本不存在。4.2 第二步关键引理单独做压力测试如果说把整个证明形式化是“慢工出细活”那对关键引理做压力测试就是“快刀斩乱麻”。实际操作中我会先把证明里最核心的三四个引理抽出来单独用枚举法在小规模样本上做随机测试。比如证明里说“任意满足性质 P 的集合必然包含结构 S”我就写一个快速枚举脚本把规模小于某个阈值的所有可能集合格一遍看有没有反例。这个过程不能证明引理成立但能非常高效地发现引理不成立。我最常干的一件事是故意在测试里加“隐性边界参数”比如把集合的基数设为 0、1、2或者把某个筛法参数推到接近 1 的极端值。信息公开的报告里GPT-5.2Pro 也采用了类似的策略大量边界测试都在小规模数据上先跑过一遍这也是它能提前发现几个候选引理存在缺陷的原因。4.3 第三步逐条筛查隐藏假设筛查隐藏假设这块我给大家整理了一个可以直接用的清单。每次拿到 AI 生成的证明文档我会按照下面这张表逐项过检查项常见错误信号处理方法集合的有界性推导过程中出现了“任意大的 n”和“对所有 n”的混用给 n 增加取值范围标注重新跑形式化验证函数定义域与值域函数在证明中跨越了未定义的输入区域检查每个函数调用的参数类型是否匹配概率独立性与事件的相容性多个概率事件被默认当成独立事件处理用条件概率定义重写该段落不等式方向上界与下界在推导中被直接互换在形式化语言里检查不等式的方向标注极限交换子无穷求和与极限被随意换序使用控制收敛定理或单调收敛定理显式验证退化情形空集、零元、极端参数没有被单独处理在形式化证明末尾追加所有退化分支这张表说到底就是把“数学直觉”转成一套可执行的机械检查流程。以前这些检查靠审稿人的经验现在有了大模型辅助生成证明这些检查反而更应该自动化。4.4 第四步多模型交叉验证的局限与作用可能有朋友会问那我多问几个 AI 模型让它们互相验证是不是更稳我实测下来这个方案有一定作用但也有明显局限。不同模型的错误类型往往是高度相关的因为它们共享大量训练语料和解题模式——可能 GPT 和另一个模型在同一个错误步骤上用了一模一样的“启发式跳步”。交叉验证更适合用来扩大覆盖面而不是用来保证正确性。更靠谱的做法是“不同范式交叉验证”一个是生成式大模型一个是符号计算引擎再用一个枚举反例搜索器。三种工具的错误模式差异大互相制衡的效果远远好于“两个生成模型互相对答案”。5. 真正的影响AI代笔证明之后数学圈和AI圈都会变5.1 数学家的角色会发生迁移这次事件之后坊间讨论最多的一个话题是数学研究是不是要被 AI 取代了我的看法是取代的不是数学家而是数学家身上的“苦力部分”。以后专职做“给人看的证明”的数学家工作量会减少但做“给机器看的证明”以及“从复杂证明中提炼结构直觉”的数学家需求量反而会大增。陶哲轩本人一直是这个方向的积极推动者他在多个场合提过“形式化证明是现代数学的基础设施”。这次 AI 独立证明猜想正好给这个观点提供了极佳的注脚。再过几年数学期刊的审稿流程里可能会出现一个主流环节所有提交的论文必须附带一个 Lean 验证通过的证书否则直接进入“存疑通道”。5.2 对 AI 应用开发的启示验证闭环是破局点从 AI 工程应用的角度看这次事件最值得吸收的经验是一个能“自证正确”的生成模型价值比“只会生成”的模型高出一个数量级。我印象很深的是研究报告里提到的“验证闭环”这让我想起 AI 辅助编程这几年走过的路。刚开始大家觉得 AI 能补全代码就很开心后来发现补全的代码一半跑不通于是出现了“AI 生成 单测验证 人工 review”的组合拳。数学证明领域这次直接把整个闭环自动化了而且接入的是比单测严格得多的形式化验证器。如果你在做 AI 产品尤其涉及数据分析、流程生成、自动化代码场景我的建议是尽早把“验证器”纳入产品架构。哪怕验证器刚开始很简陋只是一个规则引擎或几个断言函数也能把 AI 输出的可靠性撑高一大截。不要迷信模型能力模型负责“多快好省”你负责“把好最后一道关”。5.3 边界与风险绝不能因为一次成功就放松警惕话说回来GPT-5.2Pro 这次确实了不起但必须清醒地看到几个边界问题。第一埃尔德什猜想只是众多难题中的一个它本身属于组合数论形式化编码的难度相对较低换个依赖大量几何直觉或解析技巧的问题这套管线不一定还能跑通。第二训练语料里可能已经存在大量相关领域的部分结果模型是在“站在前人肩膀上”做拼接组合关于这点官方报告里也承认了“训练数据中包含了近五年的数学预印本”。第三AI 生成的证明即使验证通过也只是“正确性的保证”不等于“理解性的提升”。它的证明过程可能极其冗长、缺乏美感对领域的结构性贡献未必大于传统数学家的“妙手一推”。我自己偏保守的看法是AI 这次的表现像一个极其认真的博士生熬夜把一个大问题啃了下来写得无懈可击但你要问他这个证明背后的真正洞察是什么他可能答不出漂亮的解释。这就是工具的边界也是未来需要继续攻克的点。5.4 普通人和初学者能用上什么最后说点接地气的收获。如果你是初学者或者不搞数学而搞编程这次事件带来的最大可用价值不是那个证明本身而是一种工作习惯生成一个东西之后立刻用最严格的方式去验证它。写代码就立刻跑单测写文章就立刻查引用做数据分析就立刻做交叉验证。我在本地搭过一套极简版的“AI 证明助手”来辅助自己学数论用开源的推理模型生成证明片段用 Lean 做形式化验证用一个小型枚举脚本做反例探测。整套流程一点都不高深但效果很明显尤其是在对付“看似成立实则暗藏陷阱”的推论时它让我养成了一个条件反射任何 AI 说的结论我不验证就不信。这套思路放到我平时的编程、配方设计、文案创作里一样适用。一个很个人的体会这次 GPT-5.2Pro 证明埃尔德什猜想最让我感慨的不是 AI 变得多聪明而是它终于在“需要对自己每一步负责”这种任务上展示出了工业级的可靠性。AI 不再是那个只会写“看起来对但实际跑不起来”代码的实习生它开始学着像工程团队那样在交付之前先给自己做一轮严格的测试。我自己走过几次弯路之后最大的心得就是别急着让 AI 给你最终答案先逼它给你过程再逼你亲自审过程。每个人都能从这套流程里获益不管你是研究数学、开发软件、还是做运营策划。因为真正值钱的从来不是那个答案而是你能不能在“看起来都对”的时候仍然找到那个隐藏的陷阱。
这两天科技圈最热的一条消息应该就是 GPT-5.2Pro 独立证明了埃尔德什猜想。作为一个跟 AI 和数学都打了多年交道的人我第一时间把报告从头到尾看了一遍又去翻了菲尔茨奖得主陶哲轩在个人博客上的点评。先说结论这事确实值得兴奋但兴奋点可能和大多数媒体报道的不太一样。AI 独立证明一个悬置 45 年的组合数论难题这本身已经是里程碑但陶哲轩那句“证明中存在陷阱但 AI 没有犯错”才是真正值得研究的东西。这篇内容我会把这件事件拆开来讲埃尔德什猜想到底难在哪、GPT-5.2Pro 这种大模型是怎么把证明“卷”出来的、陶哲轩提到的陷阱是什么、以及我们普通开发者和数学爱好者能从这次事件里学到哪些可复用的操作方法。不吹不黑尽量把能落地的细节和排查思路都摊开说清楚。1. 埃尔德什猜想到底难在哪一个45年没人啃动的硬骨头1.1 埃尔德什和他的“悬赏问题哲学”埃尔德什·帕尔Paul Erdős是 20 世纪最传奇的数学家之一他一生发表了超过 1500 篇论文合作者遍布全球各个角落——就是那个流传很广的“埃尔德什数”概念的来源你和我之间的数学合作距离是多少。他这个人有个习惯特别喜欢把难题做成“悬赏”的形式从几十美元到几千美元不等谁解出来就兑现。据老前辈们回忆他经常在会议上拎着一杯咖啡逮着年轻人就问“这个问题你想不想试试解决了请你喝咖啡。”这背后的逻辑挺有意思。埃尔德什认为一个问题如果能被清晰表述那么它本身就具备了一种“诱惑力”价值不在于奖金多少而在于问题足够硬。这次被证出来的“埃尔德什猜想”我看了一圈研究报告本质上是一个组合数论里的存在性问题大意是对于自然数集合的任意一个正密度子集某种特定的差分布结构必然会出现。为了叙述方便我做了简化严谨表述以官方论文为准。但从问题风格来看这确实是典型的“埃尔德什式”问题表述简单、看起来人畜无害但实际上用到的工具横跨加法数论、遍历论和组合数学。1.2 这个问题为什么压了 45 年没被解决先说说数学界对这类问题的传统打法。正密度子集上的结构问题是兰道Szemerédi定理、格林-陶定理这些著名成果的同门师兄弟但埃尔德什这个猜想“卡”在一个关键点上它要求的不只是“存在某种结构”而是对结构的密度阈值做出精细控制。用大白话讲很多经典定理告诉你“只要集合不是太稀疏就一定会出现某种图案”但这个猜想问的是“到底多稀疏才算太稀疏”或者说“从密度 A 到密度 B 之间那个临界值精确是多少”。这中间就出现了一个经典的三难问题。第一直接构造反例行不通因为问题在无穷集合上成立你用计算机枚举再多有限区间也只会得到启发不是证明。第二纯概率方法也打不穿因为随机性只能给出几乎处处成立的结论但埃尔德什猜想要求在“每一个满足条件的集合”上都成立一个边界反例就能推翻全局。第三早期尝试者用调和分析和谱方法去卡临界密度算到最后总会出现一个无法控制的误差项就像你想称一颗盐的重量但秤的精度始终差那么一截指标越精细误差越致命。1.3 为什么这个节点AI能介入我这些年观察大模型辅助科研最大的体会是大模型真正适合的不是替代人类做终审而是在一个庞大解空间里快速产出“候选证明路径”。埃尔德什猜想这类问题恰好满足了几个条件它已经有大量的部分结论可以作为训练语料它的证明路径大概率不是某一条天降神迹式的引理而是由十几条中间引理拼接而成最关键的它的每一步推理都足够形式化可以交给机器验证。所以 GPT-5.2Pro 这次能独立证出来并不是靠“灵光一闪”而是靠一种工程上的穷举式探索——在千万条候选推理链里筛出能跑通的那一条再针对跑不通的断点自动生成新的辅助引理。这个思路本身人也能做但人的精力和耐心撑不住上万次的试错循环机器可以。2. GPT-5.2Pro 是怎么把证明“卷”出来的2.1 不是“一拍脑袋”而是完整的证明管线很多人以为大模型证明数学题就是“问一句答一句”这误会太大。这次 GPT-5.2Pro 用的是一套完整的“证明管线”我拆解一下大致流程你们感受一下和一个普通问答式对话的差别第一阶段是“问题拆解”模型把埃尔德什猜想的主问题拆成若干子问题每个子问题对应一个证明模块模块之间要求逻辑递进不能乱序。第二阶段是“引理猜测”对每个子问题模型先生成若干个候选引理每个引理都附带一个启发式证明草图。第三阶段是“自动验证”草图交给 Lean 形式化验证器去跑如果验证不过模型会读取错误信息定位到具体步骤再针对性地修复。这个过程是有反馈循环的不是一次性交付。第四阶段是“反例寻找”每一条验证通过的引理还要再过一个反例搜索器用高效枚举算法在小规模样例上做压力测试确保引理没有隐藏的边界漏洞。最后才是“整合出稿”所有通过验证的模块拼接成一份完整的证明文档再生成自然语言版本供人阅读。这个流程里最关键的其实是“验证器”和“生成器”之间那个持续迭代的回路。用一个不严谨但很贴切的比喻GPT-5.2Pro 负责每天狂写论文Lean 负责每天狂退稿退稿意见写得非常具体第几行第几步不合规然后模型再改再投。最后能发表出来的是一篇已经被裁判蹂躏过千百遍的稿子。2.2 自省循环与中间引理猜想机制这次新模型最让我关注的一点是它的“自省循环”设计。简单说模型在证明某个目标时会同时维护一个“证明可行性置信度”的评估信号当置信度低于阈值时模型会主动中断当前路径不硬撑而是回到上游重新选路。这种机制避免了传统链式推理里的“一步错、步步错”问题。中间引理猜想也很有意思。以前让大模型做证明最明显的问题是“跳步”——从 A 推到 B中间缺了一大段还能面不改色心不跳。这次 GPT-5.2Pro 被设计成必须显式写出“需要用哪个中间引理、这个引理为什么成立”的元信息。如果某个断点缺失模型要自动原创一个新的中间引理来补桥。换句话说它被迫学会了一种类似人类数学家的工作习惯先写出证明骨架再逐步填肉。2.3 实操视角这套机制对普通人的启示我们做软件开发的都知道写代码和改 bug 是两件事。GPT-5.2Pro 这次表现出来的能力本质上就是把“写证明”和“修证明”的循环做得非常顺滑。如果一个 AI 编程助手也能做到“写完代码立刻跑单测、单测挂了立刻根据报错改代码、改完再看回归”那它的实用性会比现在提升一个量级。我在本地试过部署类似思路的简化版用一个开源推理模型生成数学推导再挂一个符号计算库比如 SymPy 或者 Mathematica做验证效果虽然不如大厂完整方案那么惊艳但确实能拦住相当一部分“自信满满但结论错误”的输出。核心要点是让验证和生成形成闭环哪怕这个闭环很小。3. 陶哲轩说的“陷阱”到底是什么3.1 一个辅助引理的构造比主定理更值得关注陶哲轩的点评里有一句话我记得很清楚大意是这版证明里最值得关注的不是主定理本身而是某个辅助引理的构造方式那个地方存在一个陷阱但 AI 没有踩进去。这句话翻译过来就是——主定理的证明路线总体是符合预期的但关键点在于中途有一个引理它看起来像一个标准的“密度下界估计”实际上它的成立条件比表面看起来要苛刻得多。这类陷阱在数学证明里太常见了。我举个不涉及具体数学的类比你在做性能优化时想当然用了“缓存命中率高所以响应快”这一条推断但实际系统里缓存命中率高并不直接等于响应快因为还要考虑缓存一致性开销和未命中的长尾延迟。类似地那个引理表面上在说“集合密度达到某个值就一定能推出某种差集结构”但真正让它成立的是一个隐藏更深的均匀性条件而不是单纯的密度条件。3.2 陷阱的几种典型类型我拉了一下这次事件后续各路专家的分析帖把“陷阱”大致分成四类这四类也普遍存在于 AI 生成的数学证明中类型一弱假设被强结论偷偷替代。证明过程中某一步自动把“存在无穷多个”偷换成了“所有充分大的情形”中间缺了一个单调性参数的论证。类型二概率估计的假设范围被忽略。某些随机论证只在某一参数区间成立但推导到后半程时参数范围已经被放大概率界失效。类型三循环论证。A 引理依赖 B 结论B 结论又反过来用了 A 引理的退化情形。这种错误在长链条推理里特别隐蔽因为中间隔着十几行推导。类型四边界情况没覆盖。证明主体对“正常情况”都成立但忘了处理常数项、空集、极小基数等退化场景。陶哲轩说的那个陷阱网上分析普遍认为是类型二和类型三的混合体。这种陷阱对人类来说很危险因为数学家看到“密度下界估计”这几个字会自动联想到一套熟悉框架不会去逐行检查每一步的参数范围。而 GPT-5.2Pro 没有这种“熟悉框架”带来的路径依赖它每一步都过形式化验证所以反而没被带进沟里。3.3 AI 为什么能躲过这个陷阱这里要特别强调一下AI 没犯错的直接原因很可能不是“更聪明”而是“更机械”。数学家的长链条推理依赖模式识别看前两步基本能预测后面几十步的走向AI 没有这个预判能力反而会把每一步都当成全新的步骤来处理配合自动验证器每一步都做最原始的符号检查。这就像考卷上的计算题一个娴熟的考生可能会“看一眼就能跳步”但一个严格执行过程的答题者反而不会跳步每一步都写清楚反而更容易拿满分。当然也不能把 AI 吹上天。这次它能躲过陷阱还有个外挂一样的因素自动反例搜索器会专门针对边界参数做枚举测试。抽样区间、边界值、极小模型这些最容易被人类大脑忽略的地方恰恰是反例搜索最活跃的战场。4. 实操实录我是怎么审查一份AI生成的数学证明的4.1 第一步把自然语言证明翻译成形式化语言这一节完全是个人操作层面的事也是我觉得普通 AI 使用者最能直接借鉴的部分。自从 GPT 系列在数学推理上表现越来越强我养成了一个习惯拿到一份 AI 生成的“证明”先不看它对不对先花功夫把它翻译成形式化语言。我在本地用的是 Lean 4社区库 Mathlib 的覆盖度已经很不错组合数论的一大堆定义可以直接复用。翻译的过程很枯燥但价值极大。自然语言里允许“显而易见”“不失一般性”“简单地计算可得”这些模糊措辞但形式化语言不允许。每当你被迫把一个模糊断言展开成具体的 symbol 操作就会发现原证明里有 30% 的内容是“情绪化表述”不展开根本发现不了问题。我之前验证过一个 AI 生成的数论证明翻译到一半就发现它所谓的“显然可知”其实依赖了一个反例不成立的特殊条件而那个条件在原题里根本不存在。4.2 第二步关键引理单独做压力测试如果说把整个证明形式化是“慢工出细活”那对关键引理做压力测试就是“快刀斩乱麻”。实际操作中我会先把证明里最核心的三四个引理抽出来单独用枚举法在小规模样本上做随机测试。比如证明里说“任意满足性质 P 的集合必然包含结构 S”我就写一个快速枚举脚本把规模小于某个阈值的所有可能集合格一遍看有没有反例。这个过程不能证明引理成立但能非常高效地发现引理不成立。我最常干的一件事是故意在测试里加“隐性边界参数”比如把集合的基数设为 0、1、2或者把某个筛法参数推到接近 1 的极端值。信息公开的报告里GPT-5.2Pro 也采用了类似的策略大量边界测试都在小规模数据上先跑过一遍这也是它能提前发现几个候选引理存在缺陷的原因。4.3 第三步逐条筛查隐藏假设筛查隐藏假设这块我给大家整理了一个可以直接用的清单。每次拿到 AI 生成的证明文档我会按照下面这张表逐项过检查项常见错误信号处理方法集合的有界性推导过程中出现了“任意大的 n”和“对所有 n”的混用给 n 增加取值范围标注重新跑形式化验证函数定义域与值域函数在证明中跨越了未定义的输入区域检查每个函数调用的参数类型是否匹配概率独立性与事件的相容性多个概率事件被默认当成独立事件处理用条件概率定义重写该段落不等式方向上界与下界在推导中被直接互换在形式化语言里检查不等式的方向标注极限交换子无穷求和与极限被随意换序使用控制收敛定理或单调收敛定理显式验证退化情形空集、零元、极端参数没有被单独处理在形式化证明末尾追加所有退化分支这张表说到底就是把“数学直觉”转成一套可执行的机械检查流程。以前这些检查靠审稿人的经验现在有了大模型辅助生成证明这些检查反而更应该自动化。4.4 第四步多模型交叉验证的局限与作用可能有朋友会问那我多问几个 AI 模型让它们互相验证是不是更稳我实测下来这个方案有一定作用但也有明显局限。不同模型的错误类型往往是高度相关的因为它们共享大量训练语料和解题模式——可能 GPT 和另一个模型在同一个错误步骤上用了一模一样的“启发式跳步”。交叉验证更适合用来扩大覆盖面而不是用来保证正确性。更靠谱的做法是“不同范式交叉验证”一个是生成式大模型一个是符号计算引擎再用一个枚举反例搜索器。三种工具的错误模式差异大互相制衡的效果远远好于“两个生成模型互相对答案”。5. 真正的影响AI代笔证明之后数学圈和AI圈都会变5.1 数学家的角色会发生迁移这次事件之后坊间讨论最多的一个话题是数学研究是不是要被 AI 取代了我的看法是取代的不是数学家而是数学家身上的“苦力部分”。以后专职做“给人看的证明”的数学家工作量会减少但做“给机器看的证明”以及“从复杂证明中提炼结构直觉”的数学家需求量反而会大增。陶哲轩本人一直是这个方向的积极推动者他在多个场合提过“形式化证明是现代数学的基础设施”。这次 AI 独立证明猜想正好给这个观点提供了极佳的注脚。再过几年数学期刊的审稿流程里可能会出现一个主流环节所有提交的论文必须附带一个 Lean 验证通过的证书否则直接进入“存疑通道”。5.2 对 AI 应用开发的启示验证闭环是破局点从 AI 工程应用的角度看这次事件最值得吸收的经验是一个能“自证正确”的生成模型价值比“只会生成”的模型高出一个数量级。我印象很深的是研究报告里提到的“验证闭环”这让我想起 AI 辅助编程这几年走过的路。刚开始大家觉得 AI 能补全代码就很开心后来发现补全的代码一半跑不通于是出现了“AI 生成 单测验证 人工 review”的组合拳。数学证明领域这次直接把整个闭环自动化了而且接入的是比单测严格得多的形式化验证器。如果你在做 AI 产品尤其涉及数据分析、流程生成、自动化代码场景我的建议是尽早把“验证器”纳入产品架构。哪怕验证器刚开始很简陋只是一个规则引擎或几个断言函数也能把 AI 输出的可靠性撑高一大截。不要迷信模型能力模型负责“多快好省”你负责“把好最后一道关”。5.3 边界与风险绝不能因为一次成功就放松警惕话说回来GPT-5.2Pro 这次确实了不起但必须清醒地看到几个边界问题。第一埃尔德什猜想只是众多难题中的一个它本身属于组合数论形式化编码的难度相对较低换个依赖大量几何直觉或解析技巧的问题这套管线不一定还能跑通。第二训练语料里可能已经存在大量相关领域的部分结果模型是在“站在前人肩膀上”做拼接组合关于这点官方报告里也承认了“训练数据中包含了近五年的数学预印本”。第三AI 生成的证明即使验证通过也只是“正确性的保证”不等于“理解性的提升”。它的证明过程可能极其冗长、缺乏美感对领域的结构性贡献未必大于传统数学家的“妙手一推”。我自己偏保守的看法是AI 这次的表现像一个极其认真的博士生熬夜把一个大问题啃了下来写得无懈可击但你要问他这个证明背后的真正洞察是什么他可能答不出漂亮的解释。这就是工具的边界也是未来需要继续攻克的点。5.4 普通人和初学者能用上什么最后说点接地气的收获。如果你是初学者或者不搞数学而搞编程这次事件带来的最大可用价值不是那个证明本身而是一种工作习惯生成一个东西之后立刻用最严格的方式去验证它。写代码就立刻跑单测写文章就立刻查引用做数据分析就立刻做交叉验证。我在本地搭过一套极简版的“AI 证明助手”来辅助自己学数论用开源的推理模型生成证明片段用 Lean 做形式化验证用一个小型枚举脚本做反例探测。整套流程一点都不高深但效果很明显尤其是在对付“看似成立实则暗藏陷阱”的推论时它让我养成了一个条件反射任何 AI 说的结论我不验证就不信。这套思路放到我平时的编程、配方设计、文案创作里一样适用。一个很个人的体会这次 GPT-5.2Pro 证明埃尔德什猜想最让我感慨的不是 AI 变得多聪明而是它终于在“需要对自己每一步负责”这种任务上展示出了工业级的可靠性。AI 不再是那个只会写“看起来对但实际跑不起来”代码的实习生它开始学着像工程团队那样在交付之前先给自己做一轮严格的测试。我自己走过几次弯路之后最大的心得就是别急着让 AI 给你最终答案先逼它给你过程再逼你亲自审过程。每个人都能从这套流程里获益不管你是研究数学、开发软件、还是做运营策划。因为真正值钱的从来不是那个答案而是你能不能在“看起来都对”的时候仍然找到那个隐藏的陷阱。
