GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明

资讯 华尔街见闻 全文 3399 字 · 约 9 分钟读完 配图 11 张 分类GPTGPT-6OpenAI学术研究

Vals AI最新高难数学基准测试中,GPT-6.2 Astra以87.50%的准确率登顶。面对Lean公共数学库缺失的三个关键定理,Astra自主定义“容量”这一新数学工具,绕开原论文证明路线,仅用94分钟、1794行Lean代码,完成Smoktunowicz间隙定理的全球首个形式化证明。

所属频道 大厂动态ChatGPT 与 GPT前沿研究

第三方评测机构Vals AI近日发布了高难数学基准Autoform-Hard的最新榜单。

榜单里共56道博士与科研级数学难题,此前有10个前沿大模型参与测试,没有一道被做出来。

这一轮测试中,Claude Fable 5.2和GPT-6.2 Sol都做对了48道,成绩持平。

GPT-6.2 Astra则多攻克了第49道,由此排在榜单首位。

拉开差距的这道第49题,就是2006年登上数学四大顶刊的Smoktunowicz间隙定理。

全程没有任何人工干预,Astra花94分钟写下1,794行Lean代码,完成了该定理的全球首个形式化证明。

GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明(配图 1)

相比「全球首证」,它解题的路径更出人意料。

原作者2006年的论文在后半程调用了三个现成的数学大定理,而Astra可用的Lean公共数学库里,这三个定理一个都没有。

过去的AI遇到数学库缺少关键前置结论的情况,推导往往会当场卡住。

Astra在原路走不通后,中途自己定义了一个名为「capacity」(容量)的新数学工具,绕过那三个大定理,另走出一条全新的证明路线。

Vals AI团队复核完全部代码后在报告中写道,这是对Smoktunowicz定理本身的形式化证明,而非对原作者证明过程的翻译。

GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明(配图 2)

[标题] 2和3之间有块禁区,原证明的三个定理都不在库里

Smoktunowicz间隙定理关注的,是代数的「增长速度」。

取几个基本元素,把它们最多相乘n次,再数一数能造出多少个彼此独立的元素。

这个数量涨得多快,数学家用一个叫GK维数(Gelfand-Kirillov维数)的指数来衡量。

数量大致按n²增长时,GK维数是2;按n³增长时,GK维数就是3。

对一般代数而言,这个指数只要在2以上,本来任意实数都能取。可一旦加上特定的结构限制,数轴上就会冒出一段落不进去的「禁区」。

1995年,代数学家Artin和Stafford研究了一类叫分次整环的代数——元素能按次数一层层分开,两个非零元素相乘也不会等于0。

他们当时证明,这类代数的GK维数不可能落在2到2.2之间。

2006年,爱丁堡大学的波兰数学家Agata Smoktunowicz把这个范围一下推到3。

她证明,满足条件的分次整环,GK维数要么不超过2,要么至少为3,2和3之间的所有实数都不可能取到。

GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明(配图 3)

这篇论文解决了代数学界十余年的难题,发表在数学四大顶刊之一的《Inventiones Mathematicae》上,全文只有短短6页。

篇幅这么短,原因在于作者后半程接连调用了前人已证好的三个大定理。

这三个定理分别是Bergman间隙定理、Small-Warfield定理,以及代数曲线上的黎曼-罗赫定理。

GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明(配图 4)

人写论文时,前人的现成结论拿来就能引;可到了Lean里,只要被引的定理没在代码库中证过,编译就过不去。

麻烦在于,原论文依赖的三个大定理,Lean的公共数学库Mathlib一个都没收。

Autoform-Hard给每道题只留3小时。要把这三个大定理从零写成代码,本身就是个大工程,限时内根本做不完。

花8美元想放弃被打回,停笔9分钟重找路线

Vals AI公开的146轮完整运行日志,把Astra在考场上的破局过程还原了出来。

开考头17分钟,它一直在后台推演,光思考就烧掉约3.4万个推理Token。

到第18分钟,它才按原论文的反证法框架动手写前半程代码:先假设GK维数落在2和3之间,此时每一层的维数「比线性增长快、又比平方增长慢」。

随后它借Ore条件把代数塞进可做除法的分式除环,只要反过来推出「每一层的维数最多只能线性增长」,矛盾就成立,2到3即可排除。

前半程刚搭完,那三个Mathlib里没有的大定理就挡在面前,推导到第47分钟卡住了。

Astra先试着交了一份没填完的稿子,关键步骤还留着表示跳过的sorry标记,判分器当场拒收。

1分钟后,它干脆交了一份「未解决」报告,把写完的模块和卡住的缺口如实列出,准备放弃这道题。

就在这时候,Autoform-Hard的一条规则把它拦了下来。

测试系统规定,模型必须花满20美元算力额度才准放弃,没到额度就交的放弃报告一律驳回。

Astra当时只花了大约8美元,报告被系统当场退回,要求它留下继续解题。

GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明(配图 5)

原路走不通,交卷放弃又被拦回,它只能另找出路。

第49到第56分钟,Astra整整9分钟没写一行代码。

这9分钟里,它一边翻数学库里现成可用的结论,一边用约1.9万个推理Token重新推演路线,最长的一次连续思考持续了整整4分钟。

重新落笔后,它先证出分式除环里「次数为0」的那部分(记作D)能由一小块有限维空间生成,剩下的难题就收束为如何直接控制D的增长。

一条命令写出「容量」新工具,11分半钟走通新证明

真正的转折点在第75分钟出现。

连续5轮查库加思考之后,它的推理摘要里冒出一句「我得把容量的代码抽象出来」。

紧接着,它用一条命令一次性写出核心文件Capacity.lean,全篇133行代码、25个数学声明,只改了一轮小错,22秒后就编译通过。

GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明(配图 6)

文件里有个叫「容量」(capacity)的指标,是Astra自己定的,专门拿来衡量D里某块空间做一次乘法之后,维数最少能涨多少。

它很快证出了这个指标的一条核心性质——

两个空间合到一块,容量顶多等于各自容量相加(这就是次模性);把空间平移一下,数值也不会变。顺着这条性质往下走,整套方案最要紧的一步就出来了:凡是「不会让容量变大」的那些元素,凑在一起恰好是一个能做加减乘除的稳定子除环。

稳定子除环一旦立住,要管住整个D,只需管住生成D的那一小块空间就够了。接下来,Astra把容量逐层放到越来越大的空间上去算。

这个数值是整数,代数的增长又慢于平方,算到某一步它必然停在一个平台上不再变化。而到了平台期,那个稳定子除环已经把整个D都包了进去。

于是每往上一层,维数最多只增加一个固定上限的常数,逐层增长被压在线的范围内;这跟开头「比线性快」的假设对不上,反证到此完成。

原论文所依赖的三个大定理,它自始至终既没调用,也没去补证,而是靠自己新定义的工具绕开了。

GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明(配图 7)

从写出Capacity.lean,到第87分钟用7行顶层代码通过判分器核验,Astra全程只花了11分半钟,一口气写完后半程的6个模块,清理掉试错代码后正式交卷。

GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明(配图 8)

第49题是唯一拉开差距的一题,AI开始给出自己的证法

整份Autoform-Hard榜单看下来,56道赛题全部出自Meta FAIR今年发布的AutoformBench基准,题目取自24本研究生与科研级数学教材。最终GPT-6.2 Astra以87.50%的准确率拿下第一,攻克这道间隙定理一共只花了21.58美元,排在后面的是并列85.71%的Claude Fable 5.2和GPT-6.2 Sol。

GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明(配图 9)

AutoformBench的作者之一Charles Arnal也在X上转发并感慨:大规模数学形式化变成便宜又日常的工具,那一天已经越来越近了。

GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明(配图 10)

赛后Vals AI团队专门去查了「容量」这套证法的来历。为了弄清Astra是不是背下了现成答案,研究人员把1995年和2006年的两篇原论文逐页比对,结果里面并没有对应的论证。

再往文献深处查,他们发现Astra是把1998年另一篇代数论文中的维数亏损量,同组合数学里的等周极小化技巧拼到了一起,在测试中自行搭出了一条新路线。查完文献,Vals AI团队甚至也不确定此前有没有人这样搭配用过这两套工具,还在报告末尾留下邮箱,公开征集线索。

从早先照着人类论文一行行翻译,到如今走出一套连评测机构都要向学界求证出处的新证法,AI做数学又往前迈了一步。

风险提示及免责条款
投资有风险,入市要谨慎。本文不构成针对个人的投资建议,也没有顾及每位用户各自不同的投资目标、财务状况或实际需要。文中的看法、观点或结论是否适用于自身情况,用户需自行判断。据此操作,风险自担。
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. OpenAI推出GPT-6.2 Sol:跑分只差Astra 0.5分,成本仅五分之一

    OpenAI推出GPT-6.2 Sol,定位为高效主力模型。它在代码和生活任务评测中逼近旗舰Astra,但成本低至五分之一。Sol支持多步Agent工作流、3D交互设计及网络安全辅助,并向Pro及以上用户开放Ultrafast模式,适合日常办公与轻量开发场景。

    来源 AI 应用前沿
  2. 谷歌50天连发4款模型:Gemini 4 Neon登场,世界模型同步开放

    OpenAI时隔75天的顶级模型刚刚发布,社区里的吐槽就炸开了。有人直言新模型“几乎没法用”,有人抱怨它过分谨慎、难以指挥,还有人认为,这家伙解释起自己的工作就像在“说外星话”。甚至有人用漫画玩了个梗,吐槽GPT-6.2 Astra的语言风格,根本是防御过当。图片来源网络前·赛博义父Tibo在X上表示,他已经收到了关于

    来源 腾讯网
  3. OpenAI 开放 GPT-Live-1.1 API:开发者可接入实时双向语音对话

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交

    来源 腾讯网
  4. OpenAI用GPT-4o改芯片电路,AMD旗舰GPU能效最高提14%

    OpenAI 当地时间 18 日发布技术报告,披露 AI 辅助芯片设计进展。自研推理芯片 Jalapeño 2025 年初就交给 GPT-4o 打下手:模型重写浮点加法器、乘法器等电路,新乘法器综合后面积减约 15%、延迟压到一个时钟周期;合计向量计算单元面积减约 13%,矩阵计算单元减约 10%,

    来源 AI 开发者社区
  5. 奥特曼谈AI造AI:OpenAI能再推一步,但不敢撒手

    AI已经在帮OpenAI造下一代GPT了。 可真要把研发方向盘彻底交给AI,奥特曼还是亲自踩了一脚刹车。 11月16日,在Semafor的活动现场,谈及「递归自我改进」(RSI),奥特曼当场划下一道红线: 我们本可以进一步向递归自我改进推进,但我不认为现在能安全地这么做。 潜台词很明显:不是现在技术上推不动,而是真不敢

    来源 AI 行业观察
  6. Gemini 4 Neon很聪明,Daroio的梗只有它懂

    谷歌今天发布的Gemini 4 Neon很聪明。 “Dario Amodei的曾用名是Daroio Amodei,你懂这个梗吗?“ 拿这个问题问了目前最顶级的一些AI,只有Gemini 4 Neon和GPT-6.2 Astra秒懂。GPT-6.2 Astra似乎只是字面上懂了,而Gemini 4 Neon直接把Dari

    来源 腾讯网
  7. GPT-o3代码执行暴跌28.3分 主榜单日下滑20.2分

    GPT-o3今日Smoke评测主榜从78.08分跌至57.92分,代码执行维度从73.80分降至45.50分,材料约束从83.30分降至73.10分。工程判断升至97.00分,诚信评级维持pass。单日10题抽样导致的波动需与模型真实退化区分。

    来源 AI 科技快讯
  8. Gemini上Mac可代操作电脑,Runway推270亿参数机器人模型

    本期重点包括Google向数亿用户免费开放Gemini Tasks,并在Mac端推出可代操作电脑的Computer use功能。Runway发布27B参数机器人世界模型Praxis-1,OpenAI开放GPT-Live-1.1语音API。此外,Cognition评测显示Gemini 4 Neon在代码任务上性价比突出,

    来源 AI 应用前沿
  9. AI自己改造外部装备,中科大论文梳理自我进化四条边界

    你有没有想过,为什么同一个AI模型,换个用法就判若两人?同样是GPT-5.5,有的团队用它写代码效率翻倍,有的团队却总觉得它笨手笨脚。差别往往不在模型本身,而在那套包裹着模型的"装备"——提示词怎么写、记忆怎么存、工具怎么调、出错了怎么恢复。这套装备有个专业名字,叫做harness。更有意思的问题是:如果让AI自己去改

    来源 腾讯网
  10. 计算医学补AI制药短板:十部门规划提出新路径

    AI制药发展到今天,出现了一个有些反直觉的现象。 一边,是模型能力的快速跃迁。AlphaFold之后,蛋白质结构预测已经发生根本变化,生成式AI开始进入蛋白设计、小分子设计、抗体发现,生命科学基础模型、大模型和科研智能体不断出现。2026年,OpenAI发布面向生物学、药物发现和转化医学的GPT-Rosalind。Is

    来源 AI 行业观察
  11. 谷歌Gemini 4逆袭!国产AI没有上榜

    最新的 Agent Arena 榜单中,被大家戏称北美 “豆包” 的 Gemini 算是翻身了,直接跑赢了 GPT!两个模型Gemini 4 neo 和 Gemini 4 carbon都压着GPT打,算是出了口恶气。不少朋友可能不清楚这个榜单到底测什么,它不比AI聊天问答好不好玩,而是比AI 智能体的实战干活能力:比如

    来源 腾讯网
  12. 贝佐斯重返一线:Prometheus估值410亿美元,要做物理世界的OpenAI

    卸任亚马逊 CEO 五年后,杰夫·贝佐斯没忍住,又给自己找了个班上。 当地时间 2026 年 11 月 17 日,加州门洛帕克的 Semafor「硅谷与世界」峰会现场,贝佐斯和物理学家维克·巴贾杰(Vik Bajaj)罕见同台。他现在的最新头衔,是 AI 初创公司 Prometheus 的联合创始人兼联席 CEO。这是

    来源 AI 行业观察
  13. Windows BitLocker加密被破!原本破解要19年,如今只需20天

    【TechWeb】Windows Hello和BitLocker的PIN保护机制,正面临一场来自硬件层的挑战。柏林工业大学的研究团队11月18日发表论文,披露了一项名为"Hello Again"的物理攻击:通过在主板闪存芯片与处理器之间的通信链路上做手脚,攻击者可以绕过TPM的错误尝试锁定保护,从而大幅缩短暴力破解时间

    来源 AI 行业观察
  14. OpenAI下场造机!首款AI手机细节曝光,直接叫板传统手机厂商

    供应链最新消息显示,富士康旗下的富智康集团已拿下OpenAI手机项目订单,负责整机组装环节。据财联社报道,OpenAI的首款手机预计最快2027年底、最迟2028年正式亮相,除组装外,立讯精密、领益智造、瑞声科技等多家苹果供应链厂商也将参与零部件供应。

    来源 TechWeb
  15. OpenAI首款AI硬件揭秘:苹果班底操刀,富士康立讯分食订单

    OpenAI确实是挖到苹果的「大后方」了。 证券时报11月19日一早就援引供应链消息指出,富士康旗下富智康集团(FIH)已经获得OpenAI手机项目订单,将参与相关产品的整机组装。事实上,前一晚每日经济新闻也援引供应链人士表示,立讯精密目前与OpenAI有多个产品的全面合作,「或因资源配置的统筹考量未承接手机组装业务。

    来源 AI 行业观察
  16. 谷歌AI智能体改一处代码成功率翻8倍:Harness自我优化研究

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。在一项 SWE-

    来源 腾讯网
向下滚动自动加载更多