单指令生成 722 篇论文，仅 22% 通过验证

据 Woofun AI 消息， 于周二在 GitHub 上集中发布了 722 篇由未公开内部模型生成的数学论文，声称这些成果大多源自输入给单个 AI 智能体的同一条指令。

这一极具颠覆性的声明迅速引发学界震荡，麻省理工学院数学家安德鲁·萨瑟兰向《科学美国人》指出，在模型未被公开且成果无法被独立复现的情况下，任何关于'单智能体解决复杂问题'的断言都应被视为未经验证，学术界必须要求看到确凿证据。

从数据细节来看，这 722 篇论文并非对应 722 个独立问题，而是被归类为 372 组相关结果，每组包含主要定理及其论证、推论或替代性证明。OpenAI 表示，其向模型提出了约 4000 个问题，仅筛选出被认为重要到足以发表的结果。生成平均一个结果所需的算力，相当于 运行约三小时；相比之下，上个月公布的纳维-斯托克斯定理相关成果则动用了 10000 个智能体共同工作 88 小时。

尽管 OpenAI 为其中 10 项成果提供了简化的推理过程总结，但 Woofun AI 整理数据显示，722 篇论文中仅有 162 篇的最终结果经过了计算机验证，比例约为 22%。这些经过验证的结果均使用 软件进行逻辑步骤检查，实现了计算机验证。

然而，OpenAI 自己也承认，并非所有论文都有 Lean 形式的正式化表达，且'一些未经过正式化处理的结果可能存在问题'，这意味着大量发布内容可能存在错误风险。

学术界的质疑集中在验证局限性与具体案例的逻辑漏洞上。Lean 语言仅能确认证明过程符合其内部表述，却无法验证该表述是否与原始问题一致，更无法判断结果的新颖性或重要性。研究人员 在 2026 年 10 月 7 日指出，OpenAI 关于'平面色数大于等于 6'的证明逻辑如同外星数学，模型毫无依据地得出结论：任何 K 染色方式都等同于'弱可测量'的 K 染色方式。

此外，OpenAI 的 math 代码库关闭了问题反馈功能，也从未接受过任何拉取请求，这令社区感到失望。 在 2026 年 10 月 7 日表示，如果要求提供 Lean 形式的正式化证明，就必须开放提交渠道，他正在使用 对 OpenAI 的 Saxl 猜想证明进行正式化处理，但受阻于封闭的反馈机制。

位于新泽西州普林斯顿的高等研究院（IAS）表达了深刻的伦理担忧，指出 AI 能在人类无法理解、验证或负责的情况下输出数学论证，强调人类对数学的理解依然至关重要，亟需构建将人类理解纳入负责任学术成果的新范式。对此，阿比谢克·萨哈教授虽感到兴奋，但将这些成果定性为'现有研究体系内的重大进展'或'令人惊讶的突破'，而非像千禧年难题那样具有颠覆性。在 722 篇论文中，仅拟黎曼假设属于能带来颠覆性影响的级别。此次发布未能满足 IAS 咨询小组在 9 月 29 日提出的透明度要求，即公布模型名称、输入指令、思维链（CoT）总结、时间及算力成本。

OpenAI 仅公布了平均算力数据和 10 份推理总结，未提供指令，并表示仍在努力负责任地公开模型。多伦多大学数学家丹尼尔·利特认为无理由保密答案，而 上个月在发布经过 Lean 验证的费马大定理证明时，公开了 1300 万行代码，该证明是对安德鲁·怀尔斯在 1995 年已发表定理的正式化处理，并非新成果。OpenAI 表示将在获得更多正式化证明后补充，目前 162 篇已有 Lean 形式表达。