OpenAI声称指数时间假设不成立、Kakeya问题已解决、QCD在一天内被证明

2026年10月26日,OpenAI发布了一篇题为"与学术社群合作构建科学认知"的博客文章,并同时公布了三项成果:一项声称推翻指数时间假设(Exponential Time Hypothesis,ETH)的结果,该假设是理论计算机科学中使用最为频繁的假设之一;一项在所有维度上证明索格局部光滑猜想(Sogge's local smoothing conjecture)的结果,该结果还将解决Kakeya猜想和Stein限制猜想;以及一项对包含规范场和费米子的四维量子场论的数学严格存在性证明,其中包括量子色动力学(QCD)以及标准模型粒子物理学的统一完备化。

这三个领域各自都有一个著名的公开难题与之相关。物理学成果涉及克雷数学研究所的千禧年大奖难题之一。计算机科学成果如果成立,将推翻自1999年以来数百篇已发表下界证明所依赖的一个假设。数学成果涵盖了今年夏天刚刚获得菲尔兹奖的工作。这三项成果均由OpenAI一个尚未发布的内部模型产出,截至本文撰写时,没有任何一项得到独立人类专家的正确性认可。

与OpenAI此前的数学成果集中发布不同,10月26日的发布方式有所不同。公司将每项成果交由一个它称之为"引导者"(shepherds)的外部学术团队负责,将是否及何时发表的决定权交给这些团队,并公开表示不对模型的产出主张任何学术署名。这究竟是科学出版的新模式,还是更精巧的公关策略,正成为一个明显难以跟上节奏的领域中的核心问题。

结果一:一个将推翻ETH的确定性算法

指数时间假设由Russell Impagliazzo、Ramamohan Paturi和Francis Zane于1999年提出,其断言布尔公式可满足性问题——即典型的NP完全问题,与P vs NP问题密切相关——不能在次指数时间内求解。在实践中,ETH是大量条件下界研究的承重墙:研究者证明"若3-SAT需要指数时间,那么图论、计算生物学、数据库索引或计算几何中的另一个问题也无法快速求解",该领域近三十年来一直将这一答案视为肯定的。

据OpenAI称,一个内部模型于2026年10月16日给出了一个自然语言形式的反证,次日该证明在Lean证明助手中完成了形式化。该手稿注明日期为10月25日,并与其Lean形式化文件一同发布于GitHub。手稿给出了一个确定性算法,可在多项式空间内以次指数时间精确计数固定宽度CNF公式的可满足赋值。Lean陈述给出的运行时间量级为2的O(n·(log log n)²/√log n)次方——慢于多项式时间,但远低于ETH断言3-SAT所需的2^(cn)门槛。仅3-SAT这一情形便足以反驳该假设。

两点对实践者尤为重要。第一,这并不能证明 P 等于 NP;该算法仍然是超多项式的,因此 P 与 NP 问题依然悬而未决,而 2^(o(n)) 与多项式之间的差距依然极其巨大。第二,在理论上推翻 ETH 并不会立即催生更快的 SAT 求解器;OpenAI 本身也提醒,要把这一结果转化为有用的算法,"将需要大量的后续工作"。但仅就理论影响而言,其意义已经十分重大:该领域相当一部分的条件下界文献,如今都建立在一个假设之上,而如果证明成立,这个假设实际上是错误的。

结果二:各维度的局部光滑性,Kakeya 问题随之而定

这一数学成果针对的是调和分析。Christopher Sogge 于 1991 年提出了局部光滑性猜想;通俗地说,它断言当波发生聚焦时,极端聚焦是短暂的——在某个典型时刻,波能量的集中程度远小于最坏情形下的瞬时值。这是一个关于时间平均的陈述,其适用范围之广正是它的重要之处:一个适用于所有维度的证明,将把若干相邻猜想作为推论一并纳入。

OpenAI 在 GitHub 上直接发布了手稿和 Lean 证明,模式与其 10 月 6 日的数学成果发布相同,这是依据外部审稿人的建议而做的。该公司表示,其模型于 10 月 18 日生成了该证明,并于 10 月 19 日在 Lean 中完成形式化,关键要素是一个新引入的辅助偏微分方程。据 OpenAI 自己的描述,该证明在空间维数至少为二的所有维度中确立了 Sogge 的局部光滑性,并在猜想范围的内部推出了 Kakeya 极大估计与维数猜想,以及 Stein 的球面限制估计。

已有的研究成果显示了这一主张的规模。局部光滑性的二维情形直到 2019 年才由 Guth、Wang 和 Zhang 解决。三维 Kakeya 猜想于 2025 年被 Hong Wang 与 Joshua Zahl 攻克——这一成果帮助 Wang 获得菲尔兹奖,而该奖项是在 OpenAI 宣布此事的几个月前,于国际数学联盟的颁奖典礼上授予的。一个适用于所有维度的证明,将使这两项人类的成就都成为特例。

结果三:量子色动力学的存在性——但证明仍未公开

物理学成果是三者中最为敏感的。OpenAI 将其描述为"对四维中包含规范场与费米子的某些相互作用量子场论的一个数学上严格的存在性证明,其中包括量子色动力学(QCD)以及粒子物理标准模型的一个统一完备形式"。以严格的方式构造四维相互作用量子场论,与 Yang-Mills 存在性与质量间隙问题直接相关,而该问题是克雷数学研究所七个千禧年大奖问题之一。

根据对此次发布的报道,这份杨-米尔斯的自然语言证明于9月9日完成,QCD证明于9月18日完成,杨-米尔斯的Lean形式化则于10月16日完工。与另外两项成果不同,这些物理学成果尚未公开。OpenAI将是否发布以及何时发布底层AI生成材料的决定,完全交由一个由诺贝尔奖得主David Gross领导的五人外部小组决定,该小组成员还包括Michael Douglas、Arthur Jaffe、Igor Klebanov和Nikita Nekrasov。

这种谨慎并非毫无缘由。OpenAI在9月发布的Navier-Stokes主张是其此前一系列发布的一部分,该主张招致了专家的反对。据AINvest对此争议的总结,审稿人指出,该证明可能依赖于一种经过修改的"强制"表述,而这种表述并不能推广到数学家真正关心的经典情形,克雷数学研究所目前仍在审查这项工作。将物理学成果暂缓发布,直至该小组完成撰写,正是对这一事件的直接回应。

新的做法:牧者、志愿者与不署名

OpenAI围绕四项既定原则阐述了三项合作:对合作安排保持透明,不就模型的输出成果主张学术署名,认可那些负责解释和说明成果的外部研究人员,以及保持独立性——工作小组的结论属于其本人,并不代表OpenAI。外部参与者被描述为无偿志愿者,且未签署任何保密协议。

ETH验证小组几乎可以说是最接近该猜想源头的群体:来自加州大学圣地亚哥分校的Russell Impagliazzo和Ramamohan Paturi——1999年提出ETH的三位研究者中的两位——以及麻省理工学院的Ryan Williams,他多年来一直在探索该假设的边界。正如OfficeChai报道的,该小组要求立即公开该结果背后的全部原始数据,OpenAI已同意这一请求;OpenAI还承诺资助一场会议,专门探讨此次证伪对该领域意味着什么。

该小组向社会发出的公开信提出了三个远超本次成果本身的问题:对AI生成成果的提前获取、以及未发表材料用于后续研究,应遵循怎样的预期;署名应如何体现,不仅认可发现本身,也认可对成果进行核查、修正、简化和解释的工作;以及在研究方法不断变化的情况下,如何支持学生和研究人员,同时保留质疑成果所需的判断力。

并非所有人都认同这种做法。10月25日——也就是公告发布的前一天——OpenAI自行召集的AGMAI数学顾问小组建议人工智能公司不要采用指定特定人员优先接收模型输出的做法，理由是接触机会不平等、借用声誉以及选择存在偏差。该小组转而敦促各实验室将未来的输出发布到学术知识库，附上Lean形式化证明，披露问题的选取方式，并资助从事结果研究的人员。OpenAI只采纳了其中一半的建议——ETH相关材料在一天之内就已公开——而物理学成果则走向了相反的方向，被完全保密。

已验证不等于已理解

这正是所有专家对此次发布的评论反复指向的鸿沟。Lean验证只能说明，机器可以从既定公理出发构造出内部自洽的论证。它并不能说明已有人类审阅过该证明、理解其成立的原因，或能够复用其中的技巧。而在这一领域，失败模式十分隐蔽：正如数学家在10月6日的材料公布后告诉The Verge的那样，可由计算机验证的证明有时验证的是与配套手稿所主张内容并不完全对应的陈述。核实某个形式化证明是否准确捕捉了数学家真正想要表达的猜想，本身就是一个研究课题。

10月6日的发布为我们提供了一个参照。OpenAI发布了719篇手稿，其中包含近400项声称的结果，涵盖组合数学、几何、数论、拓扑学和数学物理；据该公司自己的代码库说明，在发布时只有约300篇手稿——约占42%——完成了Lean形式化，。三十多位数学家向The Verge形容这场涌入的内容为"惊人的""难以承受的""史无前例的""超现实的"以及"纯粹的疯狂"。伦敦帝国理工学院的Kevin Buzzard表示，在他所在的代数数论领域的定理中，只有大约六项能让他立刻眼前一亮，而其中几乎没有经过形式化验证："因此，我要么必须阅读可能并不正确的粗制滥造之作，要么等待他人做同样的事，要么等待有人将其形式化，之后我才能确定这些结果是否真的成立。"10月7日，三篇手稿因一处符号错误被从代码库中撤下，这说明大量的甄别工作依然悬而未决。

此外，还存在现代数学中前所未有的可复现性问题：产生这些结果的模型尚未公开发布，外界无法独立运行它。数学界所核验的，是由一个无法检视的系统产生的、而自己又无法重新生成的输出。

实验室为何这样做

把10月26日仅仅当作一则科学新闻来看待，是一种错误。OpenAI同时是一家正在融资、目标估值为1.25万亿美元的公司，是一家完成了分销协议、使GPT-6登陆全部三大云平台的供应商，也是一家主要竞争对手Anthropic刚刚提交上市申请的公司，而Anthropic的上市底气正来自其企业级AI业务。在这一背景下，公开展示内部模型能够解决菲尔兹奖得主都无法解决的猜想，是可用的最高杠杆产品宣传手段；而OpenAI的发布方式，即由知名数学家为工作背书，与这场营销密不可分。

同一周还出现了一个有价值的对照实验。微软研究人员及其合作者利用人类主导的AI解决了已有31年历史的KLS猜想：由人类选择方向、组织论证，模型负责推导和核验；而据AINvest的比较，几款领先模型在大致相同的词元预算下，独立尝试却未能成功。这一对比指向了真正的约束：计算能力和原始输出如今已经充裕，而经过验证、被理解并可复用的理解则十分稀缺。AI驱动科学的瓶颈正从生成转向验证，而验证是一套由人类主导、与学术职业和署名相关的制度，实验室既没有建立它，也无法控制它。

接下来会发生什么

四个节点将决定10月26日的成果能留下多少价值。第一，Impagliazzo-Paturi-Williams团队关于ETH否证的报告，以及Lean陈述的形式化是否真正捕捉了该领域所使用的猜想，此外还有即将召开的会议，它会比任何新闻周期更快地暴露分歧。第二，数学界对局部平滑证明的反应，该证明以10月6日已引发一致性质疑的原始模式发布；被领域真正吸收的证明，远比仅仅通过核验的证明更有价值。第三，David Gross团队关于是否及何时发布QCD和Yang-Mills相关材料的决定。第四，两位牵头人公开信中关于提前获取权限、署名和利益冲突披露的规范，能否固化为社区标准，还是仍停留在各实验室自行设计的自愿安排之中。

目前，保持怀疑与克制是理性的立场。OpenAI自身的记录包括一次撤回、一项未决的纳维-斯托克斯争议，以及一场数学家与模型之间的署名冲突。但发展方向本身并无疑问。在2026年10月26日，前沿数学的限制因素不再是生成候选证明的能力，而变成了人类制度核验这些证明的能力。这对科学而言是一种全新的局面，而掌控生成端的实验室对此心知肚明。