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

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。

[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。

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。

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。

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。

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。

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。

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。

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。

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。