学术界原本以为，大模型最多只能刷刷奥数题、水水技术博客。 结果OpenAI直接往桌上砸了722篇前沿数学论文。

学术界原本以为，大模型最多只能刷刷奥数题、水水技术博客。 结果OpenAI直接往桌上砸了722篇前沿数学论文。 全部出自一个从未公开发布的内部模型。 整整722篇手稿，打包归纳成372个成果族。 考题不是现成试卷，而是大约4000个真实的人类未解难题。

为什么突然玩这么大？ 因为现有的公开数学考卷，全被它刷爆了。 老题库做到了饱和，根本测不出天花板在哪里。 怎么办？ 研发团队索性把考卷换成了前沿难题，甚至让模型拿着早先推导出的结论，继续向下滚雪球。

一口气扔出722篇论文，学术界怎么审？ 按过去的规矩，找同行专家肉眼看公式，一篇审几个月甚至几年，几百篇能把学术圈直接看瘫痪。 但OpenAI交卷的方式彻底变了。 他们没等同行慢慢评议，而是直接同步甩出了一套形式化定理证明代码库（Lean）。

怎么确认一道前沿猜想的推导是对的？ 把它写成严格的形式化代码，让编译器直接去跑。 机器编译跑通，逻辑就直接锁死，毫秒级判定真伪。 不过，别急着把这批成果全当成真理。 OpenAI自己也坦白：许多手稿还没来得及完成形式化，没被代码验证的部分，很可能暗藏漏洞。

官方目前正一边排查修错，一边把后续证明陆续补进代码库。 当纯数学推演直接被当成软件工程来编译，传统的同行评审已经被推到了墙角。 人类审稿人还没来得及翻完草稿纸，机器交出的已经是一个不断扩建的代码库了。