企业官网建设流程全解析

💡一句话总结：OpenAI 把内部模型写出的 719 份数学手稿一次性开源（openai/math 仓库），数学界反弹之激烈超乎想象——陶哲轩领衔的声明称之为「力量的展示」；而同一周发布的 PaperBenchX 评测显示，最强模型端到端复现一篇已发表论文的成功率只有 13.98%。这两个数字放在一起看，才是 AI for Science 的真实切面。

导语：从「88 小时破千禧难题」到「一次砸 719 份手稿」

过去一个月，如果你关注 AI 圈，大概率被数学新闻刷过屏：先是有说法称某内部模型 88 小时拿下 Navier-Stokes 方程这个百年千禧难题，接着是「单月解决 100 多个悬置问题」的官宣级爆料。数学家们先是不信，然后是震惊，再然后——联名公开信。25 位菲尔兹奖得主签字，核心诉求一句话：别把解决数学问题当基准测试刷。

OpenAI 的回应方式很有自己的风格：10 月 6 日前后，直接把仓库开在了 GitHub 上——openai/math，719 份手稿、372 个成果族，一次性放出。里面的标题随便拎一个出来都够数学系喝一壶的：Unique Games 猜想的证明、黎曼 zeta 函数的零点自由区、CM 阿贝尔簇上的 Hodge 猜想、若干千禧难题的进展，还附了 π 的无理性指数、自旋玻璃这些方向的 10 份推理摘要。

官方口径也给了：绝大多数结果出自同一个流程——向一个未发布的内部模型投喂约 4,000 个问题，平均每个结果烧 3 小时 ChatGPT Pro 级别的思考算力。按这个口径，这是一场用算力堆出来的「数学大生产」。

一手来源

• 💻 仓库：GitHub · openai/math
• ✍️ 陶哲轩博客 AHM 声明：terrytao.wordpress.com
• 📊 PaperBenchX：GitHub · UniPat-AI/PaperBenchX

数学界为什么炸锅？

看热闹的第一反应是「这不好事吗」，但数学家们的愤怒点非常具体。陶哲轩任主席的 AHM（数学调解协会）在声明里有一句被广泛引用的话：这不是学术的展示，是力量的展示。数学家们"并没有要求做这些工作"——一整个领域没有征得同意，就收到了 700 多份需要人来验证的作业。

拆开看，反弹集中在四个点上。

• 验证赤字。官方自己写明：顶层结果只有约 42% 完成 Lean 形式化（Lean 是数学界的"机器裁判"，证明逐步可机检），且「部分未形式化结果可能有问题」。换句话说，过半重磅主张当前处于"未验明正身"状态，就已经公开传播了。
• 可读性是稀缺劳动。复杂性理论学家 Scott Aaronson 记录了妻子 Dana Moshkovitz 连夜审读 Unique Games「证明」的体验：大量引用不给理由、行文晦涩，"不借助 AI 根本读不下去"。批量倾倒原始草稿，等于让社区免费承担把证明改写成人类语言的工作。
• 署名与训练数据的旧账。联名信点名「仓促发布、不引相关工作」构成严重的署名与剽窃问题，还隐晦关联了 OpenAI 在全球的版权诉讼——弦外之音是：这些成果建立在学习了数学家毕生工作之上。
• 生态层面的担忧。陶哲轩在 Mastodon 上把话说得更重：问题一旦被"解出"就回不去了，知道解存在本身就会污染其他路径的探索；研究者开始因为怕被 AI 抢发而藏起自己的方向。他把现状叫作需要转向「Math 2.0」——用解释、社区建设、新方向开拓来衡量数学，而不是解题速度。

不过社区并非铁板一块。陶哲轩博客评论区里，相当一部分人认为抵制不现实：OpenAI 不会停下来，公开总比捂在内部强。也有人把 Anthropic 的做法树成对照——和研究者合作、付酬、产出人类可读的证明——但 Aaronson 反问得很准：那样做的代价是"由私人公司挑选谁是结果的代言人"。两条路线，各有各的坑。

同一周的第二记冷水：复现率 13.98%

如果说数学家的愤怒偏价值判断，那另一个数字就更扎工程人的心了。量子位 10 月 8 日报道了 UniPat AI 的 PaperBenchX 基准：93 个真实论文的端到端复现任务，横跨电磁、光子、化学、材料、生物、机器人 12 个方向，3,168 条专家校验的评分项。结果，表现最强的 GPT-6 Astra，完整复现率 13.98%——不到七分之一。

更有信息量的是分阶段得分：建模 62.70%、执行 61.84%，都不难看，验证只有 42.80%。翻译成人话：AI 能把仿真搭起来、把求解器跑出结果文件，但"跑出来的东西在科学上站不站得住"，十次里有六次答不上来。一个和论文对得上的数字，背后可能是错误的物理模型、没收敛的仿真，或者碰巧凑对的无效后处理。

把两条新闻叠在一起，结论自己浮出来了：「能破前沿猜想」和「能可靠地重做一遍已发表工作」是两种能力，前者是长板惊叹号，后者才是科学工作流的及格线。OpenAI 内部模型 3 小时算力冲一个猜想，和最强模型复现论文不到 14%，并不矛盾——它们测的根本不是同一件事。

这跟写代码的人有什么关系？

三个值得带走的观察。

• 验证闭环决定 AI 能走多远，这条铁律再次被两个领域同时验证。数学有 Lean，代码有测试——OpenAI 只敢说 42% 形式化的部分"可靠"，ts-rust 敢说 100% 兼容也是因为 181,711 个测试全过。想让 agent 干重活，先给它配一个机器裁判。
• "机器生成、无人能读"正在从代码圈蔓延到数学圈。ts-rust 的 130 万行 Rust 和 openai/math 的 719 份手稿，是同一个问题的两个切面：当产出速度超过人类的阅读带宽，"可读性"就成了新的稀缺资源，而谁来做这个脏活、谁来付钱，两个圈子都还没有答案。
• 看 AI 新闻先问评测口径。同样是"AI 数学家"，解出猜想（选题、尝试、成功率约 5%）和复现论文（13.98%）差着一个量级；下次再看到"AI 碾压 XX"的标题，先找找它测的是哪种能力。

冷静一下

这篇里的重磅主张——Unique Games、Hodge/CM、zeta 零点自由区——目前全部处于"不同验证阶段"，独立验证结论一个都还没有；Aaronson 关于"约 8,000 题、5% 成功率、AI 公司私测密码学"的说法来自匿名信源，未经 OpenAI 证实；719 与 722 的手稿数在不同报道里也对不上。仓促给"AI 解决了 XX 猜想"下结论，和仓促宣布抵制，都还早。可以确定的只有两件事：AI for Science 的评测标准之争正式开场了，以及——数学界的 Lean、代码圈的测试、科学复现的重放验证，全世界都在给 AI 找同一个东西：一个不收买的裁判。

参考来源

• openai/math 仓库（规模、产出方式、形式化率、验证声明）：https://github.com/openai/math
• 陶哲轩博客 · AHM 关于 10 月 6 日发布的声明：https://terrytao.wordpress.com/2026/10/07/ahm-statement-on-openais-october-6-release-of-mathematical-documents/
• Scott Aaronson · "Mathocalypse"（含 Unique Games 审读细节与密码学方向转述）：https://scottaaronson.blog/?p=10169
• the-decoder · 数学家呼吁抵制 OpenAI 汇总报道：https://the-decoder.com/some-mathematicians-call-for-openai-boycott-after-ai-generated-proofs-flood-their-field/
• 量子位 · ChatGPT 破解千禧难题但论文复现率低至 13.98%（PaperBenchX）：https://www.qbitai.com/2026/10/501995.html