OpenAI第328号证明被重构:Lean代码从232行压到153行
哲学为灵魂,Lean 为骨架,定理为血肉。
此前我们聊过一套还在设计中的“数学哲学思想识别 Benchmark”。
那阵子正研究 OpenAI 怎么“攻克”千禧年大奖难题 Navier–Stokes 方程,我们抛出一个疑问:不考具体算术、不背公式,大模型能不能从那些天书般的定理里读出背后的“数学哲学”?
那次横评拉了 Claude Opus 5.5、GPT-6 Sol、Gemini 3.8 Flash、GLM-5.3、Qwen3.8-Max、Kimi-K3 等十款模型,结论有好几个挺有意思。其中一个耐人寻味的现象是:推理 Token 花得越多,模型未必答得越好。
有的模型只用了约 50 个推理 Token,准确率就到 92.7%;有的模型一路猛想,直到耗尽 2,048 Token 的输出上限,还是在死胡同里打转,最后交了白卷。
没过多久,OpenAI 又公开了 700 多份内部模型生成的数学手稿,轰动和争议一起回来了:AI 确实能推出极长的结果,可这些动辄数百行的证明究竟对不对、有没有把原命题写歪,人类核验者还是头疼。

这两件事其实正好戳中当下大模型推理演进最疼的地方:靠算力堆出来的长思维链(Long CoT)擅长“暴力硬算”,高层的“路径直觉”和可解释性却极度缺位。
那换个思路呢——如果把抽象的数学符号拆成一个个动机明确的“动作衔接”,把每一步背后的思维链条摆到明面上,会怎样?
假如 AI 能认出定理背后的哲学思想,它能不能拿这些思想去指导“下一步选哪条定理”?能不能把一份复杂证明沿推导关系拆开,看清它为什么这样走,再试着重新组合,找更简洁的新证明,甚至发现新定理?
我们正在搭的这套 benchmark 就是冲这个去的。为了验证思路,我们用自研的数据管线拆解了 OpenAI 公开的第 328 号数学证明,并通过人机协作做了一次“第一性原理”式的重构实验。结果挺有意思:
说白了,在改动接回原证明、并且 100% 通过 Lean 形式化检查的前提下,原证明里调用“König 无穷引理”构造无限分支的整套步骤被我们直接省掉了。这次替换涉及三个 Lean 文件(去掉空行和块注释后),代码量从 232 行降到 153 行,少了 79 行,精简幅度约三分之一(34%)。
一、AI 为什么有时把证明写得这么“绕”?
细拆 OpenAI 这份证明之前,先说个大家大概都有的体验:一份证明就算过了机器的形式化检查,它走的路就一定简洁、一定漂亮吗?
比如要证 a = b,你可以从等式两边分别硬算好几行,也可以直接看它们的差 a - b 是不是为零——不少时候两边一减,麻烦的项当场就消掉了。哪条路省力,看你站在什么视角看眼前的式子。
大模型用久了,常有一种强烈的感觉:AI 特别擅长“顺着一条路硬往下走”。计算繁琐,它就接着硬算;中间逻辑缺一步,它就想办法打补丁续上。可看它忙活半天、吐出一大堆推导,我们最想问的往往是:“等等,我们一开始为什么非要走这条路?”
这种思维局限人类也常犯。不妨看两个经典的思维转换案例:
第一个是“九点问题”:用四条连续直线连接排成方阵的全部九个点,笔不能离开纸面。

很多人怎么试都成不了,因为下意识把线条限制在九个点围成的正方形里。可题目从没要求线不能出界——真正的突破不是在框内找更好的走法,而是意识到自己强加了一个根本不存在的约束。
第二个是斯坦福商学院曾介绍过的休斯敦机场案例。乘客抱怨等行李太久,常规的死磕方向是加快运输、加派人手、升级分拣系统;机场却用了一个出人意料的办法——把登机口到行李提取处的步行路线拉长。乘客走路的时间多了,站在传送带前干等的时间骤减,投诉跟着大幅下降。
“破除虚假的隐形约束”也好,“跳出局部死磕、转换问题视角”也好,恰恰都是如今只会顺着单一路径前推的大模型最缺的能力。OpenAI 的第 328 号证明,就掉进了这样一个“自我设限”的坑里。
二、我们如何帮 OpenAI 省掉核心引理、砍掉 1/3 相关代码?
我们挑的 OpenAI 第 328 项手稿,研究的是泛函分析里的一个经典命题:实自反 Banach 空间中非扩张映射的不动点。

名字听着吓人,先把它翻成直观的几何画面:想象一块有界的场地(在 Banach 空间中,这通常还是无限维的),最外圈的边界本身也算在场地里(闭集),而且场内任意两点之间的直线段全落在场内(凸集)。接着给场里每个点定一条移动规则:每个点走一步之后仍留在场内,并且任意两个点走完这一步,彼此之间的距离绝不会变大(只可能靠近或保持原距,即“非扩张映射”)。论文要证的是:场地里至少有一个点,按这条规则走一步后,还稳稳停在原来的位置(即“不动点”)。
这个不动点一定存在,该怎么证?OpenAI 的原证明走的是反证法:先反过来假设场地里一个不动点都没有,再顺着往下推,看会推出什么逻辑矛盾。
我们先用自研的数据管线把这份证明拆开,顺着它的 Lean 代码整理出清晰的八步脉络:
- 缩小范围:先把讨论的地盘压到一块按规则怎么走都出不去的核心区域,再摆上参考地标。
- 找近似:挑出一批“几乎不动”的点,另外找一个能靠这些点拼回来的参照点。
- 备好测量工具:事先想清楚后面会冒出哪些结果,把用来打分衡量的尺子提前选好。
- 排成树形:把每一轮的选择铺成一棵不断分叉的“树”,把一路累积的误差管住。
- 有限轮试探:顺着这棵树逐个换点,先只盯任意有限轮——总能找到同一个公共向量,把这几个轮次的要求同时满足。
- 跨到无限(关键卡点):要找出同一个向量,让每一轮在它身上测出来的数都不低于 0.5。
- 反向逼近:证明同一串测量值会朝 0 靠拢。
- 导出矛盾:两个要求正好撞上——一串数要是一直不低于 0.5,就不可能趋近于 0!最初“没有不动点”的假设就这样被推翻,证明结束。
把这八步理顺之后,我给 AI 发了一条直指核心的提示词:
Prompt:我想搞清楚的是,回到第一性原理看,证明里是否存在多余的步骤?又有哪些步骤只服务于眼下这条路,而不是证明该定理所必需?
AI 的意见是先重点看第 6 步——原证明正是在这一步先从树里挑出一条无限延伸的路线,再顺着这条路线去找向量。
沿着这条线索,我又让 AI 往下读第 7、8 步,看看最后的反证到底依赖什么前提。读完才明白:最后的矛盾只需要存在“同一个向量”,让每一轮里都有某一项在它身上测出至少 0.5,这就够了!至于每一轮选出的那一项能不能在树上首尾相连、串成一条“无限路径”,后面的推导根本不关心。
既然“先把各轮选的项连成一条路”并非必需,我就接着问 AI:在我们的体系里,哪种数学哲学思想能直接指导这一步?
AI 给的答案很明确——紧致性提取:
- 核心定义:借助紧性类约束,从无限或任意对象族里取出有限、收敛或稳定的见证,把当前证明往前推。
- 什么需求下考虑它:手上候选一大堆,却缺一个能用的对象或有限见证。
- 它指导什么动作、带来什么:建立紧性,再从中取出收敛子列、聚点或有限子覆盖。
说白了,“紧致性提取”就是面对无穷无尽的筛选条件时,帮我们直接把那个“幸存目标对象”捞出来的数学筛子。实自反 Banach 空间的有界闭凸集天生具备弱紧性,在这个前提下,两条路线的差别很清楚:
- OpenAI 原证明的走法:先搬出图论里的 König 无穷引理,费劲地从树里挑出一条各层相容的无限分支(这等于像“九点问题”那样,自己给自己多加了一道连线约束),再顺着这条分支用弱紧性取交,得到共同向量。
- 重构后的新走法:把“连成路径”这个执念彻底丢掉!在弱紧性框架下,直接对每一层的可行向量集合用有限交性质(第 5 步已经证明任意有限轮都有公共向量,那么所有无限轮的交集也必然非空),一步就锁定所有层都能用的那个终极向量,然后再逐层回头挑检测它的节点。
这么一来,调用 König 引理选无限分支的那一整套繁琐步骤就整个省掉了。

把改写后的这一步接回原证明工程,跑一遍严苛的 Lean 形式化检查——顺利通过。统计这次替换直接涉及的三个 Lean 文件,去掉空行和块注释后,代码总量从 232 行降到 153 行,净省 79 行,压缩了整整三分之一。
三、哲学为灵魂,定理为血肉,Lean 为骨架

从上面的实战能看出来,想让 AI 不再一味“暴力硬算”,只堆推理 Token 并不够,数学知识得重新组织。
这项工作最深的一层灵感,来自数学科普频道 3Blue1Brown 及其创作者 Grant Sanderson。我曾受他激励,用 Manim 做过数学视频,算是他的铁杆粉丝。做可视化的过程中,线性代数里的“基”最让我有感触:基的存在就像抓住了毛线团的线头——空间里的向量再怎么千变万化,只要抓住一组“基”,复杂现象就能化简成基本方向的组合与相互作用。
今年 9 月 18 日,Grant Sanderson 在陶哲轩的博客上发了一篇客座文章。他在文中呼吁数学界更重视交代“构造的动机”:先让读者看见真正的困难在哪,再引入解决困难的想法,并说明这个想法为什么还需要进一步修正。
这和我们的思路撞到了一起:假如给证明过程中的定理都贴上“哲学标签”,再把所有证明以“定理”为节点串成一张网络,那些反复出现的数学哲学思想,能不能成为理解和重组数学证明的一组抽象的“基”?
顺着这个构想,我们把这个 benchmark 的研究打通成了一个整体体系:
- 哲学为灵魂:把搜索起点从“定理名”变成“数学动作”
学过一个定理,和遇到陌生难题时能想起它,中间隔着很长一段距离。前期的十模型评测里就能看到:同一道“迹定理”变形题,有的模型能抓住“从内部函数获取边界数据”的本质,有的却被局部的“稠密子集延拓”缠住,分错类别,甚至思考超时。
在我们的体系里,哲学的核心意义是指出大致方向,把搜索起点从死记某个定理名称,变成判断“我现在需要完成什么数学动作”:
- 区域内部总量难算、但边界信息容易取得 —> 寻找联系“边界与内部”的工具;
- 手里构造了一批近似解 —> 用“紧致性”去取得极限对象;
- 已经在容易处理的光滑对象上证出了性质 —> 靠“逼近与延拓”推广到一般对象;
- 几何关系难以直接计算 —> 尝试“对偶表示”转化为线性测量。
大方向归哲学管,可一旦落到某个具体定理上,就得看眼下这些严格的数学条件了。强收敛能办到的事,弱收敛办不到;有限维空间里使得上的工具,到了无限维空间又是另一套。同一种哲学思路底下,这些区别恰恰得原样留住,筛选才做得成。
- 定理为血肉:拆解论文沉淀出的“双向知识图谱”
说起来,做知识图谱并不是我们一开始的打算。那时候只想把前沿论文拆到“定理层面”,把里面的哲学思想分析出来、编成题目,拿去跑 Benchmark 评测和模型后训练(Post-training)。另外也想靠统计和验证,看能不能从大量证明里挖出一些普遍存在、还没人总结过的哲学思想。我们指望这样的训练能让模型真正学会跨领域泛化——给它一道没见过的新题、换一个数学分支,它照样能认出相似的思想、把工具调出来。
结果论文越拆越多,攒下来的东西比题目本身丰富得多,这倒是没想到的。要弄清一个定理在证明里究竟起了什么作用,就得理清它依赖哪些前置条件、调用了哪些已有结果、又给后面的步骤输出了什么。论文这样一篇篇拆开之后,出现在不同证明里的“共享定理”就把原本互不相干的证明链串成了一张大网——节点是定理,边是实际调用,这张知识图谱成了出题流程硬生生带出来的副产物。
11 月 11 日,也就是上周,董彬、刘若川、Christian Merten 等学者在《数学的一种现代重构》里(以韦伊猜想项目为例)也讲了类似的想法:把高层数学思想和具体证明细节连起来,让已有模块在新论证里重新组合。这跟我们在证明链里看到的复用空间很对得上。
要真撑起证明重组,图谱里存的就不能只是定理名字,前置条件得存,每次调用具体派什么用场也得存——同一个定理放在不同证明里,干的活可能完全不一样。
顺着这张网,我们做成了双向检索:从一个目标结论往回查,看它需要哪些依据;也可以从手上现有的条件出发,让哲学思想带路,往前找能拼上去的定理工具;还能随时翻回原论文,看清楚上一步的结论是怎么严丝合缝接到下一步的。
- Lean 为骨架:补齐最后一块拼图,反哺证明精简
比方说顺着图谱找到两个定理,打算拼起来,一核对才发现:前一个只给了“弱收敛”,后一个要的偏偏是“强收敛”。方向没错,工具也没错,可中间差的这一步,在现有条件下究竟走不走得通?
这就是 Lean(形式化证明语言)成为系统“骨架”的原因:
- 首先防走偏:核对写进 Lean 的形式化命题,确保与我们原本想证的数学问题是同一件事;
- 再就是把逻辑卡死:把前后两个定理的形式化表述接上,实际跑一遍,后一步要用的“强收敛”到底从哪儿来,代码里必须写明白。条件不够,就回知识图谱找桥梁定理补;接不上,就干脆换一种接法,不让大模型有“跳步幻觉”的余地。
形式化还带来一个更有意思的“反向精简效应”。菲尔兹奖得主 Peter Scholze 回顾“液态张量实验”这个人类数学家协作形式化的经典案例时说过:团队在形式化过程中弄明白一个复杂构造真正要满足的核心性质之后,数学家 Johan Commelin 找出了一个更显式的替代对象,相关证明一下子就变得更初等了。形式化反过来帮人类看懂了论证里真正起作用的机制——前面我们帮 OpenAI 省掉 König 引理那一段,就是这一洞察在人机协作时代的鲜活翻版。
四、展望与开放合作:让“数学思想”变成Token
回头来看,把复杂证明拆到定理一级、把每一步背后的哲学思想标出来,再交给知识图谱和Lean去闭环验证,这其实就是在试着把高维的“数学思想”Token化。
一篇证明里的思想单元按推导关系串起来,就能看出它怎么从一个念头走到下一个念头。有意思的是,换一篇领域完全不同的论文,具体定理和条件全变了,背后的“思想 Token 序列”却可能高度相似:
量化金融那边已经有人这么处理连续行情了。Kronos 模型就把连续变化的 K 线价量数据编码成专属 Token 序列,让模型根据前面的走势去预测下一个状态 Token。
我们在数学推理里试的这套路子,道理相通:要是模型看到前几步一直在“构造近似解”“控制误差”,它能不能像直觉敏锐的数学家那样,提前判断出“下一步该抽一个极限对象了”?模型给出这个高层思想方向之后,再去知识图谱里找适用定理、比对条件,具体推导最后交给 Lean 核验。
更妙的是,这套系统自己就有进化的潜力。
等拆解、沉淀的统计学与图论论文足够多了,系统完全能拿自己库里的“隐马尔可夫链”研究去优化下一跳思想状态的预测模型,也能用图论知识直接改进知识图谱的拓扑和检索架构。这个自优化闭环一旦搭起来,影响就会从纯数学扩展到所有依赖严密推演的科研领域。
哲学是灵魂,Lean 是骨架,定理是血肉。我们希望把人类已经弄懂的数学,组织成一个能找办法、能组合工具、能检查推导,还能在实践中不断生长的活体系。
从“数学哲学 Benchmark”横评,到这次给 OpenAI 形式化证明做精简实验,配套的材料拆解与处理管线我们已经搭好,首批用于 Benchmark 迭代和模型后训练的高质量原料也攒下来了。
后面我们会在一批模型上做规模更大的评测和训练,更多研究进展和评测情况也会陆续公布。
这些方向能带来什么成果,我们很期待。
- 新一代推理模型评测(Benchmark 联合验证):不再靠刷题库,改在新题和跨领域场景里看模型的深层思想归纳、路径选择以及推理 Token 效率;
- 模型后训练语料与图谱探索:检验“思想 Token 化”和定理依赖图谱到底能不能减少无效绕路、提升长程推理的泛化能力;
- AI 辅助形式化证明与重构(Lean 生态协作):一起摸清人机协作找更简洁证明、甚至发现新定理的边界在哪。
你所在的团队、科研机构或社区要是对这些方向有兴趣,欢迎加我们,一起交流碰撞,看看这些想法究竟能走多远!
参考阅读
下面这些文章谈的是数学理解、证明组织,以及人和形式化工具怎么配合,可以接着读:
- Grant Sanderson,2026 年 9 月 18 日。 If math is more than proof, we need to better celebrate the rest of it,客座发表于陶哲轩博客。讲的是怎么解释构造背后的动机,以及这类工作为什么该被重视。
- 董彬、关乃粼、姜杰东、刘若川、Christian Merten、潘翔宇、史庭潇、吴彬、Edison Xie、杨威,2026 年 11 月 11 日。 A Modern Reorganization of Mathematics,发表于 Xena;另有中文扩充版。借韦伊猜想项目说明高层思想、详细论证和形式核验之间怎么彼此衔接。
- Peter Scholze,2021 年 6 月 5 日。 Half a year of the Liquid Tensor Experiment: Amazing developments,客座发表于 Xena。文中记下了把构造实际需要的性质说清楚之后找到更显式替代对象的经过,也谈了形式化对理解证明的帮助。这是人类协作做形式化的一个案例。
- Thomas Kahle,2026 年 5 月 4 日。 Auto-formalization I: Keep Trying。记录了 AI 辅助形式化碰到的困难、指导方式的调整以及后续的重构。
- Dustin G. Mixon,2026 年 9 月 27 日。 Doing math together in the age of AI。讨论了跟随、理解、重构和迁移证明之间的差别,也讲了为了说清楚而重新审视证明的经历。