The Decoder · 2026/10/17 17:00:26
数学家质疑 OpenAI 纳维-斯托克斯证明方法归属
OpenAI 声称其提出的纳维-斯托克斯方程潜在解法沿用了西班牙数学家的思路，但多位专家反驳称该证明在细节上采用了完全不同的方法。尽管使用 Lean 语言进行了形式化验证，关于 AI 是否真正理解或正确归因人类研究成果的争议仍在持续，凸显了大模型在复杂推理中的“黑盒”特性与学术伦理风险。
报道全文原始报道全文
9 月初，该公司提交了一份长达 166 页的纳维-斯托克斯（Navier-Stokes）问题潜在解决方案。OpenAI 声称该证明遵循了西班牙数学家 Diego Córdoba 和 Luis Martínez-Zoroa 的方法。
据《科学美国人》报道，Scientific American reports，目前多个专家小组对此存在分歧。“深入细节来看，这是一种完全不同的方法，”洛桑联邦理工学院（EPFL）的数学家 Gonzalo Cao-Labora 表示。他认为两者之间的相似之处仅停留在表面。
这份潜在证明是用 Lean 编写的，这是一种形式化验证语言，能够检查每一个逻辑步骤，但本身并不具备人类可读性。克莱数学研究所（CMI）自其发布以来一直在 审查它。
在发表之前，纽约大学数学家 Tristan Buckmaster 指责 OpenAI 基于他与 Anthropic 的 Levent Alpöge 使用公开可用模型所完成的工作。OpenAI 否认了这一说法，称从未使用过 Buckmaster 的数据。根据普林斯顿高等研究院的 Camillo De Lellis 的说法，由于语言模型是黑盒，因此可能无法给出确切答案。
10 月初，OpenAI 又发布了 约 400 项额外结果，数学界几乎难以跟上。将这些结果以松散集合的形式发布在 GitHub 上 激怒了许多数学家，他们觉得这贬低了他们的领域。
没人知道 10,000 个 AI 智能体是否真的起到了作用
关于自身工作，OpenAI 似乎还有另一件事没搞明白。该公司为此投入了大量算力，部署了约 10,000 个模型实例，运行了大约 88 小时，消耗了 1300 亿个 token，以开发纳维-斯托克斯问题的潜在解决方案。据 OpenAI 研究员 Noam Brown 称，实际上没有人知道这个庞大的智能体集群对最终结果究竟贡献了什么。
由于使用数千个智能体进行系统性对比测试的成本过高，这种规模下的行为尚未得到研究。没有人测试过单个智能体解决同一问题所需的时间，而且要弄清楚 10,000 个智能体相比 1,000 个智能体究竟有哪些具体优势几乎是不可能的。
Brown 认为，多智能体架构对成功率的贡献不足 10%。他指出，这些系统新颖且引人注目，因此获得了不成比例的关注和赞誉。真正关键的是基础模型本身，它能够长时间持续处理任务并支持并行运行。