OpenAI 700 篇 AI 数学证明遭质疑：撤回 3 篇、菲尔兹奖得主发声，数学家呼吁抵制

【导语】据 10 月 8 日至 9 日的公开报道，OpenAI 通过 GitHub 集中发布了由内部前沿模型生成的大批数学结果，涉及约 4000 个数学问题、700 余篇手稿；发布次日，OpenAI 因一处"符号错误"撤回了其中 3 篇，部分数学家公开呼吁抵制，菲尔兹奖得主 Terence Tao（陶哲轩）则警告，大规模"收割"开放问题可能拉低整个领域的研究质量。

一、事件时间线：从"700 篇手稿"到"3 篇撤回"

据报道，OpenAI 此次以 GitHub 仓库的形式公开了一批由内部前沿模型产出的数学结果，内容包括 Lean 证明形式化、推理摘要以及每项结果对应的算力估计，公司称在过程参考了高等研究院（IAS）"数学与人工智能咨询组"的建议。

在数量口径上，OpenAI 表示这些结果来自约 4000 个数学问题、共计 722 篇手稿，但强调并非全部经过验证。发布次日，公司因一处"符号错误"撤回了其中 3 篇，这一动作随即放大了外界对结果可靠性与审核流程的质疑。此后，部分数学家公开呼吁抵制这种"批量投放"，菲尔兹奖得主陶哲轩也发文警告，用机器大规模"收割"开放问题，可能稀释研究资源、扰乱引用秩序。

二、争议焦点：AI 是"解题者"还是"灌水者"

支持者认为，如果这些证明能够通过严格验证，其中一部分结果可能具有历史意义，AI 也确实在帮助人类发现新的数学结构。但批评者指出，机器生成的速度已经远远超过人类数学家的审稿速度——当数以百计、未经充分验证的稿件被批量投放到公共领域时，真正的问题不是"对不对"，而是"谁来看"。

OpenAI 研究员 roon 提醒，不应把这一进展当作"魔术表演"，需要对结果保持审慎。评论人 Alberto Romero 在 The Algorithmic Bridge 中写道，一份关联 OpenAI 的内部文件包含 700 多个仍在验证中的数学解，其体量已经对人工审核能力构成压力。换言之，瓶颈正从"生成"转移到"验证"。

三、为什么这件事重要：AI 进入知识生产的深水区

这起风波之所以引发关注，是因为它触及了一个更根本的问题：当 AI 开始参与知识生产本身，学术共同体该如何应对？第一，验证能力成为稀缺资源。生成一份证明可能只需几分钟，但严格核验可能需要数周甚至数月，两者的速度差正在被持续放大。第二，署名与责任边界变得模糊。模型生成、人类筛选、机构发布之间的责任链条，目前并没有清晰的行业规范。第三，评价体系面临冲击。如果"数量"可以低成本地堆积，以数量为核心的考核与引用机制就可能被稀释。

值得强调的是，目前相关结果仍处于"部分未验证"的状态，其中的争议与质疑也尚未有最终结论。对于学术界和产业界来说，更现实的课题或许是：如何建立一套可追溯、可复核、权责清晰的 AI 辅助研究流程，让机器生成的成果在被采信之前，先经过足够的验证关卡。

四、结语：速度与严谨之间的新平衡

从"AI 会写代码"到"AI 会做数学"，大模型正在向知识生产的最深处推进。但这次风波提示，能力越强，验证与治理的重要性就越高。对研究者而言，AI 是助手而不是替代者；对相关机构而言，公开成果之前，把好验证这一关，可能比多发布几百篇手稿更有价值。技术跑得越快，越需要有人负责踩刹车。