OpenAI突发开源722篇数学论文：当AI生成速度冲垮同行评议，Lean编译器成了终极裁判

如果有人在一个下午，一口气扔出 722 篇全新的前沿数学论文，全世界的数学家该怎么办？

看不过来。 根本看不过来。 顶尖学术期刊审一篇三十页的数学论文，找两个同行审稿人，少说要花大半年。 722 篇，把全美顶尖大学数学系的教授全抓来连轴转，十年也审不完。

这就是 OpenAI 刚在 GitHub 上干出来的事。

他们公开了一个叫 openai/math 的开源仓库。 里面整整齐齐码着 722 篇完整的学术预印本，涵盖了数论、代数几何、理论计算机在内的 17 个数学分支。 写出这 722 篇论文的作者，不是哪所知名大学的数学团队。 是他们实验室里一个还没公开发布的内部前沿大模型。

这些论文是怎么做出来的？ 过去业界测大模型的数学能力，用的是高中奥数竞赛题，或者是 GSM8k 这类现成的数据集。 但到了新一代推理模型，那些人类准备好的现成题库，早就被刷到了百分之百的满分。 题库被刷穿了，模型没地方练手。 OpenAI 的研究员干脆换了打法。 他们直接搜集了大约 4000 道至今没有被解决的前沿数学猜想与开放难题，一股脑全喂给了模型。 然后让模型自己去推导证明。

解出一条新定理要花多少成本？ OpenAI 算了一笔账：平均每得出一个论文级的结果，消耗的算力相当于 ChatGPT Pro 深度思考整整 3 个小时。 3 个小时里，模型在成千上万条推导路径里疯狂做分支搜索，最终从 4000 道题里啃出了 372 个全新的数学结果族。

但看到这里，全世界数学家不仅没有急着鼓掌，反而后背发凉。 甚至还有不少人动了怒。 为什么？ 因为在学术界，不怕你解不出题，最怕的是有人拿海量似是而非的东西来淹没同行。 大家还没忘，就在上个月，OpenAI 刚宣称自己解开了千禧年大奖难题之一的纳维叶·斯托克斯方程。 那次声明在数学界掀起了轩然大波。 包括陶哲轩在内，全球 25 位菲尔兹奖得主直接联名签署公开信，警告人工智能实验室不要发布不透明、无法验证的数学成果。

数学是一门容不得半点沙子的学科。 大语言模型写公式有多顺手，大家心里都有数。 它能生成 50 页排版精美、推导看似严丝合缝的数学论文，但可能在第 17 页某个隐蔽的角落，藏着一个致命的逻辑幻觉。 面对 722 篇高深复杂的论文，人类审稿人根本不可能用肉眼逐行去挑出这些刺。 如果全靠传统的人肉审稿，整个数学界的同行评议体系，当天下午就得被这 722 篇论文彻底冲垮。

那这 722 篇论文到底是不是模型在胡说八道？ 这次 OpenAI 学聪明了，他们找来了一台谁也收买不了的铁面裁判。 这个裁判叫 Lean。 帝国理工学院的数学家凯文·巴扎德（Kevin Buzzard）总结过：你骗得过人，但你绝对骗不过 Lean。

Lean 到底是个什么东西？ 它不是大模型，它是一门用于形式化数学证明的编程语言。 在传统数学世界里，证明是用自然语言和公式写在纸上的，能不能通过全看审稿人读得够不够仔细、有没有看漏关键步骤。 但在 Lean 4 的系统里，数学定理变成了一行行严格的代码。 公理是基础类型，引理是函数，每一步逻辑推导都是一次类型转换。 如果推导过程中缺少了某个隐性前提，或者逻辑出现了跳跃，Lean 编译器会立刻报错，拒绝通过编译。 只有当整篇论文的所有逻辑环节没有任何漏洞，代码才能跑通。 代码一旦编译通过，就意味着这套证明在逻辑上百分之百成立。 它不需要任何名校教授的背书，也不需要审稿人耗费半年时间去人工核验。

那 OpenAI 这次扔出来的 722 篇论文，全都被编译器验证过了吗？ 没有。 耐人寻味的地方就在这里。 在这 722 篇论文里，真正附带了完整 Lean 4 形式化代码、被编译器严格盖了公章的，只有 162 篇。 剩下的 560 篇呢？ 依然只是传统的自然语言论文。 OpenAI 在仓库的说明文件里写得很坦白：那 560 篇没有形式化代码的成果，很可能存在漏洞。 为了负责任地处理这批成果，他们甚至拉上普林斯顿高等研究院，组建了一个由 9 位顶尖数学家组成的独立顾问团，里面包括菲尔兹奖得主蒂莫西·高尔斯（Timothy Gowers）和理论物理学家爱德华·威滕（Edward Witten）。

回到开头那个问题。 面对一天能生成数百篇论文的 AI，数学这门古老的学科会变成什么样？ 过去两千多年，数学一直是人类智力最优雅的领地：几位学者在黑板前争论推演，用直觉和经验寻找真理。 而现在的数学探索，正在变成两条明确的机器流水线： 前面是一台跑了 3 个小时深度思考的大模型，疯狂寻找证明的灵感与路径。 后面是一台冷冰冰的 Lean 编译器，面无表情地剔除掉所有的逻辑幻觉。 人类数学家确实看不过来这 722 篇论文。 但幸运的是，当裁判权交给了编译器，他们也许根本不用再一篇一篇去看了。