💡 站外导读:当AI代码生成还在卷前端页面时,初创公司Axiom Math已用多智能体集群叩开人类最深奥数学殿堂的大门。近期,该公司相继完成1.5万页有限单群分类定理(4300万行代码)与7500页Stacks项目(1600万行代码)的自动化形式化验证。面对“单一超长证明无法分段校验”与“数千定义交织防漂移”两大死结,团队分别祭出百个里程碑拆解与分层并行审查架构,更揪出原人工证明中的多处错误,迈出全部数学数字化的关键一步。

一、 横跨半世纪的 1.5 万页“庞大定理”:为何此前学界认为算力不可企及?
10 月 25 日,当 AI 数学初创公司 Axiom Math 的智能体集群完成有限单群分类(Classification of Finite Simple Groups, CFSG)的自动形式化收尾时,创始数学家 Ken Ono 与妻子共同见证了倒计时归零的瞬间。作为数学家之子,Ono 自幼成长于构建这一证明的学者圈层之中——这项被学界戏称为“庞大定理(Enormous Theorem)”的成果,公认是人类历史上写出的最长数学证明。
所谓有限单群,是指元素数量有限且无法再被进一步约化分解的代数结构(例如一副扑克牌的所有置换就构成群论的研究对象)。自近 200 年前埃瓦里斯特·伽罗瓦(Évariste Galois)奠定群论基础以来,无数数学家将有限单群归入 18 个族系以及 26 个不属于任何族系的散在单群,而 CFSG 的证明正是为了确认这张“元素周期表”的完备性。
然而,这份看似纯粹的完备性确认,背后却凝结了约 100 位数学家在半个世纪里发表的 500 多篇期刊论文,累计篇幅超过 1.5 万页高密度推导,复杂度早已超越任何单一学者的大脑承载极限。英国圣安德鲁斯大学群论学家 Colva Roney-Dougal(未参与该项目)坦言,她曾长期将 CFSG 视为极难形式化的反面教材,原以为其所需的算力规模根本遥不可及,因此得知验证完成时感到极度震惊。
二、 4300 万行代码的破局之道:证明网络测绘与“百个里程碑”拆分工程
把 CFSG 这样庞大且环环相扣的知识网络翻译成机器可读代码,工程难度远超 Axiom Math 今年早些时候完成的其他形式化项目。主导 CFSG 形式化工作的 Axiom Math 研究员 Niels Voss 指出,最大的死结在于证明的“整体不可分割性”——在 1.5 万多页内的海量定理、引理与定义尚未全部转为机器可读形式之前,任何局部片段都无法单独通过形式化验证器校验。
为了绕开“不写完最后一页就无法验证”的黑盒困局,团队采取了先测绘、后拆解的双步工程策略:在正式调用智能体编写代码前,他们先全量处理并梳理了 CFSG 的全部历史文献,完整还原出这份非形式化证明背后的依赖网络结构;随后,团队将庞大的 CFSG 论述切分为约 100 个里程碑(Milestones)——即推导路径上可以独立校验的标志性节点,以此作为引导智能体群稳步推进、防止长程推理跑偏的工程锚点。
最终产出的 CFSG 形式化代码规模高达 4300 万行,体量堪比 Linux 操作系统内核。更令 Roney-Dougal 印象深刻的是,AI 形式化过程并非机械照搬,而是直接发现并清除了原始人工证明中的多处疏漏与错误,为后续现代群论前沿研究的形式化清除了地基隐患。
| 核心工程与数学维度 | 有限单群分类(CFSG / 庞大定理) | Stacks 项目(代数几何与代数叠协作库) |
|---|---|---|
| 项目发起与数学定位 | 跨越半世纪的孤立里程碑定理(18 族系 + 26 散在单群) | 2005 年哥大 Aise Johan de Jong 发起的开源基础参考库 |
| 原始非形式化规模 | 15,000+ 页,汇聚约 100 位作者 500+ 篇期刊论文 | 7,500 页,包含数千个高度抽象且紧密互锁的定义与引理 |
| 形式化产出代码量 | 4300 万行代码(体量比肩 Linux 内核) | 1600 万行代码(高通用性、可复用基础数学库) |
| Axiom Math 牵头人 | Niels Voss | Vasily Ilin |
| 核心工程瓶颈 | 单链条极度冗长,全部机器可读前局部无法独立校验 | 数千个交叉定义在并行演化中极易产生语义漂移与不自洽 |
| 多智能体编排策略 | 全文献依赖网络测绘 + 拆解为约 100 个可独立验证里程碑 | 分工明确的分层智能体并行构建 + 多智能体审查 + 原文交叉核对 + 硬性测试 |
| 数学数字化代表意义 | 验证 AI 对“纵向超长单一证明”的端到端形式化扩展路径 | 验证 AI 对“横向庞大互联理论体系”的库级一致性扩展路径 |
三、 9 天后再下一城:分层并行智能体如何驯服 7500 页 Stacks 项目?
令人意外的是,就在宣布攻克 CFSG 仅仅 9 天后,Axiom Math 再次公布完成 Stacks 项目(Stacks Project)的自动化形式化。该项目由哥伦比亚大学数学家 Aise Johan de Jong 于 2005 年发起,是一部聚焦现代弦论与数论核心基础——代数几何(Algebraic Geometry)与代数叠(Algebraic Stacks)的 7500 页大型开源协作权威著作。
如果说 CFSG 是一座孤立且高耸入云的珠峰,那么 Stacks 项目就是一张错综复杂的地下管网。虽然 Stacks 最终形式化产出“只有”1600 万行代码(不到 CFSG 的四成),但负责该项目的 Axiom Math 工程师 Vasily Ilin 强调,它考验的是截然不同的智能体系统能力:团队必须确保数千个彼此勾连的定义、构造与引理在全库范围内保持严格的忠实度(Faithfulness)与逻辑自洽性(Coherence)。
为此,团队专门构建了一套分工明确的分层 AI 智能体系统(Hierarchical System of AI Agents):底层智能体并行推进数千个关联定义的形式化翻译,使其在全局库中维持口径一致;上层与横向则引入多智能体审查机制、对照原始教材的交叉核对以及硬性测试验证,强行锁死每项元素与任务的一致性。如今,这套通用、可维护的形式化 Stacks 库已可供任何人类学者或 AI 程序直接调用,在其底座之上继续生长新的形式化数学成果。
四、 “纵向超长”与“横向超宽”双路线打通之后:数字数学的红利与知识断层隐忧
在 Ken Ono 看来,连续拿下 CFSG 与 Stacks 具有超越单篇定理的战略意义:“它们证明了形式化必须实现的两种扩展路径——一条是应对单条极其冗长的证明,另一条则是应对覆盖面极广、彼此勾连的庞大理论体系。”在 Axiom Math 的蓝图中,把全部人类数学数字化将带来三重长期红利:为定理提供无可置疑的机器校验印章、在老一辈顶尖专家离去时永久留存核心知识、以及构建供后人直接复用创新的公共形式化底座。
不过,一线数学界也发出了冷静的审视声音。Roney-Dougal 在高度肯定形式化验证纠错价值的同时尖锐指出:正因为验证工作高度自动化,当前极少有数学家能够直接从这 4300 万行机器证明中提炼出直观洞见并与同行分享——新一代数学家或许因此“错失了一次从亲历推导实践中获取知识的机会”。当 AI 多智能体已经能接管千万行级别的形式化重体力活,人类研究者如何重新定义自己与抽象真理的互动方式,将成为比算力突破更深远的命题。
📝 站长洞察 (Editor’s Insight)
Axiom Math 连续攻克 CFSG 与 Stacks 两大硬骨头,真正值得工程界细品的不是“AI 会做数学题”,而是它在面对千万行级强耦合推理系统时展现的两套通用多智能体范式:面对纵向超长链条,先还原依赖网络、再切出百个可独立验收的里程碑;面对横向庞大知识库,用角色分工的分层智能体加交叉审查锁死上下文一致性。这两套编排思路放到大型遗留代码迁移或复杂系统验证中同样成立。当然,Roney-Dougal 的担忧也切中要害:当证明彻底交给机器自动跑通,人类若不主动回读并重构可理解的中间抽象,科研与工程界都将面临“知其对而不知其所以然”的代际断层。
Axiom Math是怎么验证CFSG的?
团队先做全文献依赖网络测绘,再把1.5万页证明拆成约100个可独立校验的里程碑,借助多智能体集群逐段推进,最终完成4300万行代码级别的自动化形式化验证。
Stacks项目为什么更难形式化?
Stacks项目包含7500页内容和数千个高度抽象、彼此紧密互锁的定义与引理,难点在于并行演化时容易出现语义漂移和不自洽,因此需要分层并行构建、交叉核对和硬性测试。
这次成果对AI数学有什么意义?
它证明AI智能体不仅能处理单一超长证明,也能维护大型数学理论库的一致性,说明自动形式化正从“局部辅助”走向“端到端数字化”能力。
百个里程碑如何拆解超长证明?
先把总目标切成可独立验证的中间命题,再为每个里程碑定义输入、输出和失败回滚点。这样智能体可并行推进,人工只需盯关键接口与最终一致性,避免在单点错误上反复返工。
分层多智能体架构怎么落地到代码审查?
通常按“生成、局部验证、交叉审查、总控裁决”分层。底层智能体负责局部证明与补全,中层做相互质疑和冲突检测,顶层统一约束术语、依赖图和版本控制,减少幻觉传播。
