Anthropic用11天完成Lean代码,数学家为何反而不安?

资讯 腾讯网 作者:腾讯网 全文 6108 字 · 约 16 分钟读完 配图 1 张 分类AnthropicOpenAI

今年9月,Anthropic宣布,AI用11天把费马大定理的证明写成1300万行Lean代码。几天后,OpenAI又宣称用AI解决了纳维–斯托克斯难题。两项成果都附有通过Lean检查的代码。但数学家....

所属频道 大厂动态

今年9月,Anthropic对外宣布,AI在11天里完成了Lean代码。没过几天,OpenAI也声称用AI攻克了纳维–斯托克斯难题。两份成果都附上了通过Lean检查的代码。可数学家后来发现,OpenAI文字论文里的某些中间结论,跟Lean代码真正验证的内容对不上。

Lean常被看作数学的“机器审稿人”——代码过了检查,推导似乎就无懈可击。可它只对写进代码的命题负责:AI把论文转成代码时,条件有可能被悄悄改掉;Lean软件自身的漏洞,也可能被人钻空子。

2026年9月4日,英国帝国理工学院数学教授凯文·巴扎德(Kevin Buzzard)守在电脑前,在自己的博客上发了一篇文章,题目叫“Anthropic抢在了我的前头(Anthropic has beaten me to it)”。

巴扎德手里有一笔100万英镑、为期五年的科研经费,核心任务就是把

英国帝国理工学院数学教授凯文·巴扎德(Kevin Buzzard)| 图源:University of Southampton / Thomas Angus

促使他写下这个标题的,正是Anthropic刚公布的成果:他们调动了数十个

Claude

4天之后,OpenAI又扔出一枚更重的炸弹:约1万个AI智能体连续跑了88小时,产出约1300亿个输出词元(

突破一个接一个,数学界根本来不及反应。这些AI生成的证明动辄数百页,信息密度极高,顶尖的人类数学家读起来都像看天书。为了让人们放心,两家公司都把Lean形式化验证当成成果可靠性的重要凭据。

于是,一个原本待在数学与计算机科学交叉地带的小众工具,忽然被推到了责任重大的位置上。然而,当剑桥大学和

Lean的诞生

数学一向以严格闻名,可长期以来,数学知识是否可靠,靠的还是人与人之间的信任。

数学家写论文时用的证明方式,通常建立在一套共同的知识和约定之上。作者可以引用前人证过的定理,可以省掉同行熟悉的推导,也能用一句“显然可得”,跳过一个在他们看来不必解释的逻辑环节。

正是这种习惯,让数学论文能在有限的篇幅里装下极其复杂的思想。不然的话,哪怕证明一个相对简单的结论,也得从最基础的数学公理起步,写下漫长的推导。

可人类觉得显而易见的步骤,未必真的没有漏洞。

1998年,美国数学家托马斯·黑尔斯(Thomas Hales)宣布解决了著名的

这个问题要追溯到17世纪。它想回答的是:在三维空间里,同样大小的球体怎么摆,才能占据尽可能大的空间比例。

人们早就知道,水果摊上那种层层交错的橙子堆法已经相当紧密。

球体在三维空间中的紧密堆积方式,

黑尔斯拿出了证明,却碰上一个没想到的困难。

他的论证里有大量复杂计算,部分验证得靠计算机完成。负责审稿的数学家花了好几年检查,还是难以对全部细节建立足够信心,最后只给出“99%确定”证明正确的说法。

2003年,黑尔斯启动了

可计算机读不懂传统数学论文。它没法像人那样,看到一行公式就自动补上作者没写出来的步骤。研究人员必须把数学命题翻译成严格的形式化语言,把每个定义、前提和推导关系都准确表达出来。

这个过程,就叫“形式化”(Formalization)。

2014年,研究团队用大约50万行代码,把开普勒猜想的证明形式化检验做完了。

工程之所以这么庞大,原因也在这里:数学家既要有一套足够严格的逻辑系统,还得攒下大量能反复调用的数学定义和定理。更关键的是,传统论文里那些被省略的步骤,他们必须一步步自己补上。

2013年,计算机科学家莱昂纳多·德莫拉(Leonardo de Moura)发布了Lean。它属于一种被称为“交互式定理证明器”的工具,和普通计算程序有着根本区别。

普通程序跑成功,一般只说明计算机照着指令把某个操作做完了;而Lean里的证明通过检查,意味着在给定的公理、定义和前提之下,目标命题可以由合法的逻辑步骤推导出来。

为了保证这种严格性,Lean把最终检查收拢在一个相对小的逻辑核心里。找证明、生成代码这些事,外部程序可以帮忙,但推导最后仍要过核心这一关。证明不管出自人还是AI,都得遵守同一套形式化逻辑规则。

Lean在数学界慢慢流行开来。2017年起,全球的研究人员还共同搭建了Lean形式化证明系统及其开源数学库。

不过形式化一直是件费时的事。过去通常是人类先把数学证明做完,再挑一些重要成果去做形式化,图的是提高可靠性。

大模型把这个顺序调了过来。AI写代码越来越在行,于是它开始自己承担大量形式化工作,找证明的时候也直接用Lean判断推导能不能成立。

一份人类要整理好几年的证明,现在十几天就能变成上千万行代码。数学家惦记了很久的事——让越来越多数学知识拿到机器验证——Lean总算有了实现的可能。

可问题在于,数学家原本是想用Lean检查自己已经弄懂的证明;现在反过来了,AI生成的证明越做越大、结构越来越复杂,人反倒要靠着Lean,才能判断自己还没弄懂的东西可不可信。

这种变化之下,Lean的检查结果被赋予了超出技术层面的意义。

的含义。

代码全都过了,论文却对不上

今年9月,剑桥大学数学家安德斯·汉森(Anders Hansen)、法比安·奇尔切利(Fabian Circelli)和伦敦国王学院数学家亚历山大·巴斯图尼斯(Alexander Bastounis)开始着手检查。

Lean能确认形式化代码里的数学推导对不对,但它检查的对象,始终是代码里实际写下的那个命题。当AI同时产出一篇给人读的数学论文和一份给Lean查的证明代码,谁来担保两者讲的是同一件事?

三位数学家借助ChatGPT,把OpenAI的自然语言论文和Lean代码做了比对,再逐处核查可能有出入的地方。

整个研究持续了约三个星期,他们对部分内容做了深入核对。光是详细检查的那两页材料里,就找出了两处明确的数学差异。

其中一处落在论文的第8.6号引理上。

研究人员利用ChatGPT比对OpenAI的数学论文与Lean代码,发现同一项数学估计在两个版本中,分别需要控制原始函数直到m+4阶和m+5阶导数的大小。 | 图源:论文 Navier-Stokes Lost in Translation

这条引理牵涉对一个函数光滑程度的刻画。数学上通常用“有多少阶连续导数”来衡量光滑程度,而这条引理给的是一个定量估计:要控制解的前m阶导数(m可以是任意非负整数),得用到F的多少阶导数。

OpenAI 那篇论文写的是 m+4 阶,可 Lean 代码里证出来的条件是 m+5 阶。

差这一阶,命题就换了。阶数要得越高,前提越紧,结论越弱——m+4 的版本对 F 的光滑性要求低一些,照样能给出控制;m+5 的版本把门槛抬了一级。研究人员还发现,两个版本的差别与它们各自采用的写法有关。

到头来,Lean 证的是一个条件更严、数学上更弱的结论。它把自己的活干完了。问题是,AI 把论文翻成形式化代码时,本来要证的命题已经变了样,而机器检查只认代码里那个命题,管不了它是不是论文的原意。

打个比方:论文说一辆车 100 马力就能爬上陡坡,Lean 验证的却是一辆 150 马力的车爬上去了。两个说法也许都没错,可后者证不了前者。

10月6日,三位数学家公开了预印本论文,题目是《纳维–斯托克斯证明在翻译中迷失》(Navier-Stokes lost in translation)。

他们并没有断定 OpenAI 最终的数学结论一定错。纳维–斯托克斯问题牵扯的推导层层相扣,某个中间引理和形式化版本对不上,单凭这一点推翻不了整项研究。

可这些出入足以说明一件事:代码过了 Lean 的检查,并不等于配套的自然语言论文就自动拿到了完整的正确性保证。

设想一位数学家提出命题、写下证明,然后把命题交给 AI,让 AI 去找一份能通过 Lean 检查的证明。

这种情形下,AI 完全可以撇开原来的推导,另找新的数学路子。只要最后证的是同一个命题,活就算干成了。

但要是数学家想让 AI 把原论文整篇翻成 Lean 代码,任务就变了个样。

AI 得把原文的定义、前提、命题和论证关系原样留住。哪怕原证明有错,也不能自作主张改条件、换结论,去验证另一个命题。

汉森等人在论文里做了一个实验:给 AI 一道关于多项式的数学题,并在自然语言证明里故意把两个根的重数写错。

结果 AI 生成的 Lean 代码通过了检查——它自己把原始证明里的错误改掉了,另给出一份正确的数学推导。

如果任务是找正确证明,这能力值得肯定。可任务换成核查原始论文,AI 这么干反而把问题盖住了。

自动形式化比一般代码生成难得多,原因也在这里。

人写的数学语言里全是约定、缩写和没明说的前提。有时候作者自己都没察觉漏了某个重要条件。机器得先弄明白原文到底说了什么,才谈得上把它翻成严格的数学命题。

所以自动形式化要过两道关:一道是让推导通过 Lean 检查,另一道是保证被检查的数学内容忠实于原论文的含义。

头一道关,AI 正在快速拿下;后一道关,开始成为数学界的新难题。

当程序也能被欺骗

自然语言和形式化代码之间的差异,至少还留着一道防线:只要有人肯查,两个版本还能逐项比对。

但今年 7 月的一件事让数学家意识到,连负责验证逻辑的 Lean 程序本身,也可能出错。

7月25日,研究人员拉马纳·库马尔(Ramana Kumar)在网上公开了一份 AI 辅助生成的 Lean 代码,声称推翻了著名的

这个猜想又叫“3n+1猜想”,规则简单得难以想象。

从任意一个正整数起步:偶数就除以 2,奇数就乘 3 再加 1,得到的新数反复照做。比如从 6 出发,依次得到 3、10、5、16、8、4、2、1。

考拉兹猜想的数字轨迹。图源:La Vanguardia / Innovamat

这个猜想提出几十年,数学家验算了海量数字,能覆盖全部正整数的严格证明至今无人拿出。

库马尔的代码宣称找到了反例,猜想由此被推翻。这份代码还顺利通过了Lean的检查。

按形式化证明的通行标准,这该算一桩震动数学界的大发现。结果三天之后,研究人员基兰·戈皮纳坦(Kiran Gopinathan)察觉到了不对劲。

他把代码里的要害问题再往下化简,最后拼出一份证明,让Lean接受了“假”这个命题。随后他向开发团队报告了漏洞。

放到数学逻辑里看,这事性质很重。

正常的逻辑系统不该同时认下一个命题和它的否定。系统能证出互相矛盾的命题,按经典逻辑中的“

Lean团队很快锁定了问题源头。

Lean官方漏洞报告。图源:GitHub

漏洞出在Lean 4内核处理某类

日常写的Lean代码一般碰不到这个问题。可一旦用到底层

毛病在软件实现上,数学逻辑本身没出错。

Lean创建者德莫拉8月1日发了详细的事故报告。他特意点明,Lean的设计原本就不该指望外部工具或代码生成器永远守规矩。

真正把关的那层逻辑内核,必须挡得住任何不合规则的输入。

开发团队很快修好了漏洞,又拉上OpenAI的研究人员,用更强的AI模型主动去找别的毛病。这一找,又揪出一串能破坏逻辑可靠性的程序缺陷。

有的漏洞牵扯逻辑内核处理类型的方式,有的出在运行环境里。比如AI发现,可以利用对象

8月21日,Lean团队放出4.33.1版本,把这轮排查出来的问题一并修掉。软件的可靠性,正在变成数学可靠性的一部分。

数学知识开始以机器速度增长

10月16日,巴扎德和另外6位数学家、形式化证明专家联名发表《如何形式化全部数学》(How to Formalize All of Mathematics),商量怎么借助AI,把人类攒下的数学知识转成机器能验证的形式。

对Anthropic做出的1300万行Lean证明,巴扎德是认可的,可他仍旧埋头做自己的研究。在他看来,数学知识的价值还在于后人能不能读懂、改动、拿去用。一份没人看得懂的千万行证明,哪怕一字不错,也很难成为后来者接着往下走的起点。

陪伴Lean一路走来的老社区成员,面对这场变化还多了一层失落。

Mathlib

眼下科技巨头靠着庞大算力,几天就能产出数百万行证明。原本让数学更严谨可靠的工具,如今也装进了越来越多AI成果——人类难以理解,甚至没法确认它们有没有准确表达原意。

“如果Lean的未来,是每一次互动都必须通过自动形式化来完成,”巴嫩说,“那么对我个人而言,那将是一个非常乏味的未来。”

这种失落感背后,还藏着一个更深的疑问。

19世纪末,德国逻辑学家戈特洛布·弗雷格(Gottlob Frege)曾尝试用符号语言把数学推理严格表达出来;到了20世纪,计算机

机器能证明的定理越来越多,人类还能不能弄明白:它到底证了什么,又凭什么成立?

参考资料

[1] https://www.science.org/doi/10.1126/science.aen6353

[2] https://xenaproject.wordpress.com/2026/09/04/flt-anthropic-has-beaten-me-to-it/

[3] https://www.anthropic.com/research/formalizing-fermats-last-theorem

[4] https://openai.com/index/navier-stokes-solution/

[5] https://arxiv.org/abs/2610.08144

[6] https://www.kcl.ac.uk/news/openais-navier-stokes-proof-called-into-question

[7] https://arxiv.org/abs/1501.02155

[8] https://lean-lang.org/

[9] https://mathlib.org/

[10] https://leodemoura.github.io/blog/2026-8-1-postmortem-for-kernel-soundness-bug-14576/

[11] https://leodemoura.github.io/blog/2026-8-24-postmortem-for-the-kernel-soundness-bug-hunt/

[12] https://xenaproject.wordpress.com/2026/10/16/how-to-formalize-all-of-mathematics/

[13] https://plato.stanford.edu/entries/frege-logic/

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 考克森离职Anthropic内幕:IPO路演一张图成导火索?

    IT之家 11 月 14 日消息,曾任职于 OpenAI 和 Anthropic、因公开警告 AI 风险而受到广泛关注的研究员雅各布 · 考克森称,Anthropic 在 IPO 路演中展示的一张幻灯片,是促使他离职的重要原因。考克森在 Anthropic 只工作了约四个月。让他决定离职的原因之一,是公司 IPO 路演

    来源 腾讯网
  2. Anthropic IPO定价缩水:预测市场看跌,首日市值押注生变

    Anthropic备受瞩目的、预计将创造历史的IPO,“意外”是越来越多了。最新的一个意外是,Anthropic在11月9日,也就是原定启动投资者路演的前一天撤回了IPO定价文件。这份文件原本会将它的定价区间最高市值定在1.441万亿美元。随后Anthropic更新了文件,将估价区间确定为每股70至78美元,这意味着最

    来源 腾讯网
  3. Anthropic超级IPO本周“出鞘” 美股AI信仰面临最严苛大考?

    财联社11月16日讯(编辑 潇湘)在英伟达首席执行官黄仁勋上周突然辞职后,美股AI投资主题虽遭重创,但整体表现仍展现出惊人的韧性。然而,随着Anthropic的超级IPO即将登陆市场,投资者对股市可能陷入动荡的担忧仍在蔓延。市场普遍忧虑,投资者会选择抛售现有的持仓股票,以便腾出资金抢购这笔庞大的新股……Anthropi

    来源 腾讯网
  4. Anthropic冲刺IPO:1.4万亿估值,阿莫代伊能否接棒黄仁勋?

    据彭博社报道,Anthropic预计周四登陆纳斯达克,寻求1.4万亿美元估值,IPO与另一项私募配售合计融资最多904亿美元,已获近七倍超额认购。在黄仁勋声誉危机导致英伟达股价重挫的背景下,分析师认为Anthropic可能成为衡量AI商业化能否成功的关键风向标。

    来源 凤凰科技
  5. 黄仁勋谋划回归英伟达:国会质询与Anthropic IPO本周登场

    英伟达董事会夹在两股方向相反的力量之间,独立调查仍在进行,而这场角力的走向,将直接定义这家市值数万亿美元芯片巨头的未来权力结构。另外,Anthropic代表的一种更隐蔽、更系统性的产业政策游说对此次黄仁勋下台事件的影响也被媒体曝光。另外,美国参议员Chris Coons在针对黄仁勋的指控出炉后迅速公开发难,而他今年七月

    来源 TechWeb
  6. 黄仁勋离职背后:鲁比奥改备忘录,Anthropic被指递料

    英伟达创始人黄仁勋的离职,无疑是近期科技界最大的一场地震。在这场看似突如其来的人事巨震背后,却隐藏着一场精心策划的“猎杀行动”。究竟是谁在幕后扣动了扳机?随着更多细节的浮出水面,两股力量逐渐显露在聚光灯下:修改机密备忘录的美国国务卿鲁比奥,以及向媒体频频“递刀子”的AI竞争对手Anthropic。从政策层面看...

    来源 腾讯网
  7. 无界前沿开源Fx-Bio-1031:生信盲测超GPT-6与Opus-5

    无界前沿正式开源生物信息大模型Fx-Bio-1031。该模型采用125B参数MoE架构,支持本地私有化部署,确保数据不出域。在Anthropic发布的BioMysteryBench困难子集测试中,Fx-Bio-1031取得70.59%的Pass@5成绩,显著高于GPT-6-Astra和Claude Opus-5。模型具

    来源 AI 应用前沿
  8. 微软365故障波及Claude,Anthropic连发多条通报

    微软 365 遭遇近年最严重故障,波及 Exchange Online、Outlook 等服务近一天半。Anthropic 旗下 Claude 的 Outlook 插件、连接器接连受影响,后续 claude.ai、平台等核心服务又出现验证错误。

    来源 IT之家
  9. Anthropic推新功能冲击Office,微软股价跌2.4%,阿克曼称依然稳固

    财联社11月13日讯(编辑 夏军雄)随着人工智能(AI)公司Anthropic加大进军企业软件工具市场的力度,微软近期股价下跌,但知名投资者、潘兴广场创始人比尔·阿克曼依然看好微软前景。Anthropic于周二晚间推出多项新功能,包括测试版Claude Whiteboards和Claude Sheets,并将Claud

    来源 腾讯网
  10. 阿莫迪谈 Anthropic 上市动机:为不确定算力需求囤现金缓冲

    IT之家 11 月 16 日消息,Anthropic 联合创始人兼 CEO 达里奥 · 阿莫迪上周五到访纽约,与“华尔街一哥”、摩根大通掌门杰米 · 戴蒙进行公开对谈。 在谈话中,阿莫迪将算力称为公司面临的“最深层商业难题”。他解释,公司选择上市的重要原因,就是增加现金储备,为高度不确定的算力需求提供更大缓冲。 戴蒙在

    来源 AI 行业观察
  11. 微软365故障波及Claude:Anthropic连发通报,多项服务验证受阻

    IT之家 11 月 13 日消息,微软 Microsoft 365 遭遇了近年来最严重的服务故障之一,Exchange Online、Outlook、SharePoint 及部分 Teams 服务中断近一天半。今天早些时候,微软一名高管为此次故障致歉,并对事态表示遗憾,基本承认短时间内无法解决问题。 Anthropic

    来源 AI 行业观察
  12. 硬科技投向标|我国发布“星云星座计划” Anthropic IPO认购需求达发行规模6倍

    本周硬科技领域投融资重要消息包括:上海:推进海洋传感器、海洋智能机器人、潜水器等关键装备研发应用;思锐智能科创板IPO获受理;思灵机器人完成5亿美元融资。》》政策美官员呼吁收紧对中国获取先进AI芯片的限制 外交部回应外交部发言人郭嘉昆主持例行记者会。路透社记者提问,在涉及英伟达首席执行官黄仁勋的相关指控出...

    来源 腾讯网
  13. 谷歌TPU订单排到2029年:OpenAI与Anthropic需求成关键支撑

    郭明錤发文称,受益于OpenAI和Anthropic的强劲新订单,谷歌TPU出货能见度已延伸至2029年,优于英伟达GPU等供应商。他预估2028年至2029年OpenAI需要约1200万颗联发科设计的8t,Anthropic需要约1400万颗博通设计的8i;2027年至2029年谷歌TPU出货量预估分别约为800万至

    来源 凤凰科技
  14. Anthropic启动IPO路演:6倍超购背后,算力承诺8954亿美元

    Anthropic于2026年11月10日启动IPO路演,计划11月19日登陆纳斯达克,募资规模高达644亿美元,估值1.4万亿美元,路演第三天已达6倍超购。CEO Dario Amodei在与摩根大通CEO Jamie Dimon的公开对话中罕见坦承,算力采购是公司面临的"最深的商业难题"。S-1文件披露公司长期算力

    来源 AI 科技快讯
  15. Anthropic启动644亿美元IPO路演:Amodei坦言算力是最大商业风险

    Anthropic于2026年11月10日启动IPO路演,计划11月19日登陆纳斯达克,募资规模高达644亿美元,估值1.4万亿美元,路演第三天已达6倍超购。CEO Dario Amodei在与摩根大通CEO Jamie Dimon的公开对话中罕见坦承,算力采购是公司面临的"最深的商业难题"。S-1文件披露公司长期算力

    来源 AI 行业观察
  16. 燃气轮机订单排到2031年,AI公司开始拆航发供电

    (本文作者为 硅碳变量,钛媒体经授权发布)文|硅碳变量,作者|沈浪据英国《金融时报》11月8日报道,Anthropic在9月下旬与位于德克萨斯州圣安东尼奥的设备供应商OnePWR Solutions完成一笔交易,以34亿美元(约合人民币227亿元)锁定1.7吉瓦重型发电机供货,用于数据中心的电力供给。更早之前,AI基础

    来源 腾讯网
  17. Claude写代码:97KB水下探索项目Abyssal Garden亮相

    IT之家 11 月 15 日消息,据 XDA 报道,一位开发者 Any-Reputation8118 利用 Anthropic Claude 编写代码,开发出一款名为“Abyssal Garden”的浏览器水下探索模拟项目,相应项目体积仅 97 KB,场景中的所有视觉元素均由代码在页面加载时实时生成。从演示视频来看,A

    来源 腾讯网
  18. Anthropic冲击1.4万亿美元IPO:为何比SpaceX定价更保守

    与SpaceX固定定价模式不同,Anthropic采用传统路演方式,将定价权更多交给机构投资者。受纳斯达克下跌、美联储加息及AI供给过剩等因素影响,市场环境承压,此前2万亿美元估值预期已消退。分析人士指出,两家公司定价策略差异,本质上反映了各自与华尔街资本市场关系深浅的不同。

    来源 华尔街见闻
  19. Anthropic IPO认购超六倍:拟募644亿美元

    据知情人士透露,Claude 开发商 Anthropic 的 IPO 已吸引到可供认购股票约六倍的订单,投资者对这桩有望成为有史以来最大股票发行的热情持续升温。招股文件显示,公司连同联合创始人计划借 IPO 最多募得 644 亿美元,再叠加一笔 260 亿美元的非公开配售,双管齐下为登陆公开市场备足弹药。在 AI 投资

    来源 AI 开发者社区
向下滚动自动加载更多