💡 站外导读:11月20日,兼具Anthropic预训练与强化学习研究员、哈佛大学学者学会青年研究员双重身份的数论学者Levent Alpöge在个人主页丢出一颗震撼弹:他声称与大模型Claude合作发现了“千禧年七大数学难题”之一黎曼猜想的证明,并已完成无假设形式化论证。面对超过25万页的冗长AI推演文本,他索性跳过传统论文直接放出14个Lean压缩分卷,将人工智能辅助纯数学研究推向史上最受瞩目的验证考场。

一、 从25万页“不可读巨著”到直接交付14卷Lean形式化代码
据 Simon Willison’s Weblog 与 The Verge AI 追踪报道,Levent Alpöge 在个人站点 alpo.ge 上传了一封名为 remark.pdf 的四页公开说明,同时附带 14 个名为 lean.tar.gz.part01 至 part14 的形式化代码压缩分卷。这位曾与 Manjul Bhargava 等人合作攻克所有数域上希尔伯特第十问题的普林斯顿数学博士坦言,在最终冲刺阶段,“Claude 的推演速度远超人类预期——不,Claude 简直是在终点线旁飞翔、起舞并闪耀”。
有意思的是,Alpöge 并未按照数学界惯例先提交一篇自然语言撰写的长篇论文,而是直接交付面向机器验证的 Lean 形式化代码库。他在脚注中颇带调侃地解释道,若把完整推理展开为可读文本,其体量已经超过 250,000 页(Claude 还打趣地称之为 GRH “book”,其中 Theorem 1 开篇甚至写下“因为实数是全序的,若 σ ≠ 1/2 则必有 σ > 1/2 或 σ < 1/2”这样极度繁琐的基础铺陈)。与其抛出一部人类根本无法卒读的“AI 废话巨著(slop)”,不如直接用形式化证明助理的编译器接受检验。
二、 数学突破的核心线索:以长度 √X 的迭代 Theta 提升链模拟重数
虽然完整技术细节仍封存在 14 卷 Lean 代码与待简化的草稿中,但 Alpöge 在 remark.pdf 中给出了一段足以令数论同行震惊的核心构思,以及 Claude 协助梳理的 10 月 6 日至 11 月 16 日关键时间线。
传统的黎曼猜想函数域证明(Stepanov 方法)高度依赖构造带有高阶“重数(multiplicity)”的除子,然而在整数环上并不存在类似函数求导的天然重数操作。Alpöge 透露,当他在玩具模型中结合新的傅里叶分析技巧、并引导方向转向原生的自守形式(natively automorphic)框架时,Claude 建议在完全定酉群之间构建一条迭代 Theta 提升链(U(X0) → U(X1) → … → U(Xm)),利用每次提升叠加重数 m;而针对长度为 X 的 von Mangoldt 求和,Claude 给出的链条长度恰恰是 √X。
- 10 月上中旬铺垫:确立 Stepanov 行列式、CM 曲线上惰性素数的不变导数整除性,以及借助
GL5六重覆盖上的 θ 周期积分将方差验证转化为确定符号问题; - 10 月下旬至 11 月中旬冲刺:引入迭代 Parseval 对消、GGP 周期行列式与 Rallis 跷跷板(Seesaw)对偶,借助 Chowla-Selberg、Weyl 与 Siegel 质量公式控制迭代提升的层数代价,在
H1扭转剩余类中弱化 Vandiver 猜想并采用 Behrend 构造精准选定 Iwasawa 塔; - 外推潜力:Alpöge 宣称这套无假设(without assumptions)论证可直接延伸至广义黎曼猜想(GRH),并有望在进一步打磨后解决扩展黎曼猜想(ERH)。
| 研究与验证维度 | 传统人类纯数学攻关 | 本次 Alpöge + Claude 方案 | 独立数学界审查核心关卡 |
|---|---|---|---|
| 成果交付形态 | 数十至数百页自然语言 PDF 论文 | 4 页公开说明 + 14 个 Lean 压缩分卷(舍弃 25 万页草稿) | Lean 工程能否零报错全量编译通过 |
| 核心构造机制 | 人工灵光一现与局部引理手工推导 | 人类选定玩具类比与方向,AI 生成 √X 长度迭代 Theta 提升链 | 检验迭代提升代价与弱化 Vandiver 环节的严谨性 |
| 潜在覆盖范围 | 通常针对单一猜想或弱化特例 | 声称解决黎曼猜想并直接外推至 GRH / ERH | 核查形式化定理签名是否与标准数学定义 100% 等价 |
| 学术认可状态 | arXiv 预印本同行评审与期刊审稿 | 尚未经第三方独立验证,Anthropic 暂未置评 | 需避开隐藏公理且满足克雷研究所至少两年公开发表审查期 |
三、 人类如何驾驭 AI?“旧派数论家”与大模型的高速分工实录
这份声明之所以在 AI 工程圈引发巨大共鸣,在于 Alpöge 极其坦诚地还原了顶级学者与前沿大模型协作时的真实“体感”。他在文中直言,自己其实并不精通高秩群上的自守形式,正是先借助自己熟悉的函数域类比与经典数论直觉“把车开到正确的路口”,随后 Claude 在他不擅长的技术深水区接管了高强度的算子搜索、文献组合与形式化试错。
更值得玩味的是他在第 2 页披露的发布背景:整个突破发生在某个周日晚间,他随即在内部向 Anthropic CEO Dario Amodei 发出试探性消息沟通公开权限,并与少数信任的数学家朋友商议了公布尺度。由于近期 Anthropic 刚登陆资本市场,外界难免猜测公告时机是否另有考量,但 Alpöge 坚决否认任何商业炒作动机,并表示将尽快亲自吃透目前仍显冗杂的证明邻域,在后续撰写人类可理解的精简版讲解。
四、 冷静泼冷水:为什么“Lean 写完”距离“攻克千禧年难题”还有三道关?
在社交媒体陷入狂欢的同时,形式化方法专家与纯数学共同体保持了极度审慎。即便作者本人拥有普林斯顿博士与哈佛青年研究员的硬核履历,在 AI 生成超大规模证明的语境下,独立验证依然面临三大硬性关卡。
第一道关是编译复现与公理审计:独立验证者必须成功解压全部 14 卷压缩包并在干净环境中跑通 Lean 校验器,排查代码中是否存在未证明的 sorry 占位符或私自引入的非法额外公理(axioms);第二道关是形式化陈述等价性核验:大模型有时会在“把非正式问题翻译成 Lean 定理声明”时出现细微的条件偏移,哪怕内部推理天衣无缝,如果最终证明的不是原本的黎曼猜想也功亏一篑;第三道关则是克雷数学研究所(Clay Mathematics Institute)的时间考验——千禧年大奖规定解法必须公开发表并经受数学界至少两年的严苛挑刺与共识认可,这场由人类直觉与 AI 算力联手发起的终极挑战,才刚刚站上审查起跑线。
📝 站长洞察 (Editor’s Insight)
Levent Alpöge 的声明无论最终经受住独立复现与否,都已经为“AI for Science”划下了一道极具象征意义的分水岭:大模型正在从“帮研究员写代码和润色摘要”迈入“在人类不熟悉的数学分支里暴力搜索高维构造并直接吐出机器可校验代码”的深水区。尤其值得科技从业者警惕与学习的是他的交付克制——当生成文本膨胀到 25 万页超出人类注意力带宽时,自然语言同行评审已经失效,唯一客观的锚点只剩下 Lean 这类形式化验证系统。但在独立数学界跑完编译器校验、剔除任何定义偏差或隐藏假设之前,理性观察者仍应严格区分“作者宣称完成形式化”与“黎曼猜想已被确认攻克”之间的本质距离。
Claude真的证明黎曼猜想了吗?
根据文中披露,这只是研究员Levent Alpöge的公开声明,尚未经过第三方独立验证,也没有看到正式同行评审结论。当前更准确的说法是:他声称与Claude合作完成了形式化证明,但学界仍在审查中。
14卷Lean代码为什么比论文更重要?
因为这类结果的关键不只是“写出来”,而是能否被形式化证明助理逐行编译通过。Lean代码意味着结论可被机器检查,能显著降低自然语言论文中的歧义,但仍需外部数学家复核其定义与定理是否完全等价。
这项工作对AI辅助数学研究有什么意义?
它展示了人类负责方向判断、AI负责高强度推演与形式化试错的协作模式。即便最终结论未被确认,这种“自然语言思路+机器可验证代码”的流程,也可能成为未来纯数学研究的重要范式。
Lean 形式化最难卡在哪一步?
最难通常不是把定理“写进”Lean,而是把非形式化证明拆成可验证的中间引理,并处理依赖库、定义一致性和边界条件。真正的瓶颈是证明工程化,而非单个技巧点。
如何判断 AI 证明值得继续投入?
先看是否能被独立复现、是否有最小可验证核心、以及关键引理是否已被形式化。若只能给出叙事性推导却无法拆成 Lean 可检验模块,通常还不值得押注到“大结论”。
