OpenAI在公开仓库里扔下数百篇手稿，宣称攻克了372个数学问题族。2022年菲尔兹奖得主Hugo Duminil-Copin坦言自己深夜痛哭，哀叹机器正在撞碎他攻关了数年的16个研究领域；康奈尔大学数学家Steven Strogatz则形容同行们感到学科正遭遇露天开采式的轰炸。
但这绝不是人类智识被全知机器攻陷的悲剧。仓库里初始的722篇手稿，次日就因基础符号错误撤回3篇、修补14篇，最终定格在719篇。大整数乘法复杂度推进到了 $O(n(\log n)^{1-\kappa})$，指数改善量 $\kappa = 2^{-182}$，换算成十进制约为 $1.65 \times 10^{-55}$，输入的数字位数得超过全宇宙基本粒子总数才能看出优势。最关键的是，主定理真正跑通Lean内核形式化检查的只有300篇，机检率仅42%。
这算不上学术胜利，更像一场典型的商业半成品倾销。
把这件事的核心事实拆解开来：
- 发生了什么.OpenAI绕开同行评审，直接在GitHub甩出719篇未署名人类作者的手稿，宣称推进乘法复杂度与拟黎曼猜想等高难课题，但超过半数手稿未经完整机检，次日就出现紧急撤稿与打补丁。
- 为什么重要.大模型开始批量制造符号长卷，但工业级幻觉未被消除，关键证明留有占位符；商业巨头甚至借此把排雷检验的繁重劳动转嫁给公共学界。
- 谁受影响.理论数学与理论计算机学者首当其冲，他们不仅要无偿查验真伪，还得提防自己通过提示词喂给大模型的思路被抢先挂网首发。
算力堆出的数字成色与撤回打补丁
对比历史才能看清OpenAI这一步踩得有多急。2024年Google DeepMind用AlphaProof与AlphaGeometry 2打国际数学奥林匹克，拿的是清晰受控的竞赛题，在严密的形式化闭环里拿了银牌。OpenAI这次直接越过沙盒，扑向前沿纯数学腹地。
平均一道难题耗时3小时ChatGPT Pro思考算力，1.2万个Pro小时就刷出了700多篇长卷。然而工业级大模型的幻觉并没有被数理逻辑驯服。就在成果发布的次日，官方因符号错误撤回3篇，对另外14篇的假设与漏洞连夜打补丁。
引发最多惊呼的手稿是Result 003。许多人误以为黎曼猜想被就此解决，但实际证明只是把狄利克雷L函数等对象的零点自由半平面推至实部大于7/8，以排除朗道-西格尔零点。把零点从危险区域推移确实不易，但7/8到黎曼猜想核心的1/2之间，依然隔着真正的深渊。
只要推导链条里遗漏微小的余项修正，整座逻辑大厦就会垮塌。在没有被严格证伪或证实前，这些微量推进更像是算力在现有工具集边缘撞出来的统计碎屑。
形式化外衣下的sorry与权责转嫁
为了给数学结论背书，OpenAI拿出了交互式证明语言Lean。但一旦拆开工程细节，这件机检外衣便千疮百孔。
719篇手稿里，真正通过Lean形式化验证主定理的只有300篇，机检率不过42%。其余手稿要么只形式化了周边引理，要么干脆留在自然语言推演状态。更扎眼的是挑战文件中普遍存在的sorry占位符。
在Lean语法中，sorry代表论证跳步，留给外部代入或人工跳过。第三方独立索引平台Machine Manuscripts明确声明：平台从来没有独立编译通过这套工程，独立综述论文《What the Machine Invented》也坦承未曾做过底层内核核验。
普林斯顿高等研究院AGMAI咨询小组早已提出警示：前沿成果必须提交arXiv等独立学术库，不得依赖专有黑箱模型做单向宣发。陶哲轩博客刊登的人类数学协会声明更是直击要害：审阅一篇前沿手稿需要学者耗费数周乃至数月，商业机构单方面甩出几百篇半成品，实际上是把排雷与验伪成本强行摊派给公共学术资源。
为了缓和学界怒火，OpenAI在10月中旬向西蒙斯基金会注资500万美元，并开放接口让受资助学者参与审查。但这改变不了本质：商业公司赚足了估值与声誉，消化与清理学术噪音的重担，依然落在了领着公立薪水的学者头上。
优先权掠夺与没有理解的知晓
如果说形式化漏洞只是工程瑕疵，优先权掠夺则直接动摇了科学共同体的互信。
Anthropic数学家Levent Alpöge公开指出，OpenAI发布的手稿正在侵蚀同行的原创成果，特别是在挂谷极大函数猜想上存在严重的学分冲突。数学家Tristan Buckmaster曾公开质问，自己团队此前使用Codex辅助推演的草稿，是否被闭源模型变成了后台探路石。即便OpenAI坚称未将提问挪作训练，随后却被迫在forced Euler方程的成果中追加人类学者的优先权。
司马迁在《史记》里写过：天下熙熙，皆为利来；天下攘攘，皆为利往。古来争利，今天争的是名分与学术首发。
学者在黑板前熬过数年提炼出的精妙猜想，一旦通过提示词向闭源对话框发问，掌握超大规模算力的实验室就能在几个小时内调集集群顺藤摸瓜，抢先证明并打包发布。研究者成了引路的廉价耗材，算力资本则坐收首创桂冠。
更深层的危机来自知识范式的异化。Steven Strogatz感叹阿基米德写信给同行时，期待的是后继者踩上自己的肩膀，数学之美在于人类智识在代际间的共鸣。而现在的机器跳过了人类的直觉理解，直接吐出一串冷冰冰的判定式。
科学是探寻因由的交谈，不单是给出终局的判词。人类面对黑盒AI，就像面对医学影像诊断模型：哪怕模型预测出了早期病变，谁也说不清它到底抓住了什么病理特征。数学要的是机制，不只是答案。如果没人能理解高维几何的构造直觉，仅凭一堆没有解释的符号判决，人类并没有真正握住理解规律的杠杆。
接下来的核心变量只有两个：一是西蒙斯基金会资助的独立审核能否在没有sorry的情况下跑通全量机检；二是主流期刊与预印本平台能否建立强硬门槛，遏制闭源黑箱的学术抢跑。
知其然易，察其所以然难。算力固然可以一夜填平万千沟壑，但若代码里满是未完的sorry，黑箱外充斥着掠夺优先权的算计，堆出再多的PDF，也换不来科学追求里最硬核的真理共识。