OpenAI 一夜放出 722 篇数学手稿，学术界先卡在「怎么验收」
北京时间 10 月 7 日凌晨，OpenAI 在 GitHub 上线了一个名为 openai/math 的仓库。里面没有模型，没有提示词，也没有一份完整的作者名单，只有 722 篇 PDF 手稿，被按相关性归入 372 个「结果族」。
这些手稿出自一个尚未发布的内部前沿模型。按照仓库说明，评估过程中模型被提出约 4000 个数学问题，被采纳并公开的结果，平均每个消耗的算力约等于 ChatGPT Pro 连续思考三个小时。OpenAI 在发布说明里写得很克制：这些结果「解决或实质推进」了一批长期开放的问题。
两天之内，这份克制被数字盖过去了。仓库里出现的主张包括黎曼 ζ 函数在一个固定宽度的半平面内不存在零点、唯一博弈猜想、矩阵乘法的指数上界，以及 π 的无理性指数恰好等于 2。罗格斯大学教授 Kontorovich 对媒体表示，如果准黎曼那项结果由人类做出来，够拿菲尔兹奖。
问题出在交付方式上。
这 722 篇手稿是公开的，遵循 Apache 2.0 许可，任何人可以克隆、复跑、挑错。但训练出这些结果的模型，外界无法访问。仓库里还留着一句 OpenAI 自己写的话：部分未形式化证明的结果「可能存在问题」。
在数学里，验收本该是另一套流程。一条结论要被学界接受，通常要经过专家逐页读、写评审意见、反复修改，再发表在期刊上。这套流程慢，慢本身就是它的一部分价值——每个被承认的结果，都经过了同行推敲。
这一次的顺序被倒过来了。成果先到，验证在后。按 OpenAI 披露的口径，372 个结果族中，235 个附有 Lean 形式化材料，162 篇手稿的主结论有机器可校验的证明文件。反过来说，超过一半的族还没有。
机器验证能确认什么，也有边界。Lean 检查的是「这个证明在给定假设下是否成立」，它不检查这些假设是否符合数学界对原问题的通用理解，也不保证论文里其他推论同样正确。以准黎曼那批手稿为例，其形式化范围说明中明确写到，论文的后续应用不在形式化覆盖之内。换句话说，「主结论有 Lean 材料」不等于给整篇论文盖章。
历史上，AI 生成的数学结果已经出过一次引用问题。有媒体报道，8 月那批十项结果中，有两项使用了已有文献中的思路却未恰当引用，而 OpenAI 当时宣称这些问题「至少十年没有进展」——这个说法与事实不符。
最直接的反对意见来自 MIT 的 Andrew Sutherland。他对《科学美国人》说，除非 OpenAI 公开模型、别人能复现结果，否则任何「单智能体一次做出来」的说法都应视为未经验证，「我们应该要收据」。
多伦多大学的 Daniel Litt 看法相反。他认为，如果人类想得到这些问题的答案，没有理由要求公司把它们藏起来，公开对数学是好事。
两边的分歧不在数学是否正确，而在知识的生产秩序由谁决定。9 月 11 日，25 位菲尔兹奖得主联署了一份题为《AI 在数学中的严重错位》的声明，批评 AI 公司把攻克开放问题当成模型评测目标，忽略了理解、引用和人才培养。陶哲轩提出了一个说法叫「证明消化不良」：一个证明的生命周期有五步——提出解答、机器验证、翻译成人话、同行消化、写进教科书，AI 在前两步跑得极快，后三步几乎没动。
OpenAI 这次的发布方式，某种程度上是对这些声音的回应。仓库里设置了修订与引用规范，公开了 10 份推理过程摘要，并承诺资助围绕这些结果的研讨会、会议和特别项目。
但如果把建议逐条对照，兑现得并不整齐。由普林斯顿高等研究院托管的数学与人工智能咨询小组（AGMAI）在 9 月 29 日给出的建议包括：披露模型名称、公开所用提示词、给出每个结果的计算成本、把成果存放在不受任何 AI 实验室控制的学术库中，并明确反对继续用外界无法访问的专有模型测试前沿数学问题。
今天能看到的对照是：模型仍以「一个内部前沿模型」出现；提示词没有公开；算力只给出平均值，单位是 ChatGPT Pro 小时数，不是每个结果的实际成本；仓库仍托管在 OpenAI 自己的 GitHub 组织下，公司表示在「继续探索」社区托管方案。372 个族中，10 个附有推理摘要。钱的部分履行了——研讨与资助的承诺是实在的。
而 AGMAI 最核心的那条建议，OpenAI 用发布这个动作本身给出了否定回答。AGMAI 随后专门说明，提供建议不等于评定成果的影响，也不代表认可其产生过程。
值得放在一起看的是时间线。8 月 1 日，OpenAI 公开了十道长期未解问题的解法，每道附 Lean 4 形式化证明和一份 249 页手稿，当时数学界的反应是震动但可控——十道题，找几个对口专家，总能看完。9 月 8 日，OpenAI 宣布内部模型找到了纳维—斯托克斯方程的有限时间爆破解，三天后 25 位菲尔兹奖得主的公开信发出。10 月初，则是 722 篇一次性倒进仓库。
从 10 道到 722 篇，间隔两个月。
这条曲线的另一面是验收能力。领域内能读懂这些手稿的人数是固定的，且大多有自己的研究要推进。OpenAI 发言人对《科学美国人》说，公司自己的数学家对其中许多结果也还没有完全理解。菲尔兹奖得主 Timothy Gowers 在博客里设想，即使一年涌来 1000 项重要成果，数学家仍可以按领域分工消化，这是项大工程，但未必做不到；他更担心的是，支撑研究和理解工作的学术环境会在这个过程中被破坏。
对其他领域来说，这件事的结构值得记下来。当一个系统能够以远高于人类审阅速度的节奏产出「看起来完成了」的产物时，瓶颈就从生产能力转移到了验收能力。OpenAI 在仓库里提供了两套东西——一部分有机器可校验的证明文件，一部分只有 PDF，并明确标注了哪些没有。这个区分本身就是最有用的信息：有形式化支撑的部分和没有的部分，风险等级并不相同。
任何团队用智能体产出成果时，同样的问题会出现：哪些产出有可复现的验证路径，哪些只是自洽的文本。差别在于，数学领域至少还有 Lean 这样的机器检查工具，多数领域连这个都没有。
模型仍未发布。OpenAI 在说明里表示，正在「负责任地发布」这个产生结果的内部模型，但没有给出名称，也没有给出日期。仓库里还有 137 个结果族在等 Lean 文件。在那之前，这 722 篇手稿的状态是：已公开，未确认。