协和神经外科住院医师用GPT-5.6跑16小时，解决困扰数学界22年的Crouzeix猜想

16小时自主运行

金山木借鉴了OpenAI此前攻克Cycle Double Cover猜想时使用的提示词策略。他设计了一个多智能体、对抗性的设置，包含四条指令：

1. 离线工作： 模型在物理断网的环境中运行，防止其从互联网抓取现有证明或解决方案。
2. 并行探索： 系统生成大量子智能体，沿真正不同的证明路径进行探索，防止过早收敛于单一方法。
3. 对抗性审计： 对候选证明进行对抗性检查，迫使模型发现并修复自身的错误。
4. 不得提前停止： 系统被指示在得到通过所有检查的完整证明之前不得停止。

金山木启动系统后便离开了。在约16小时的连续运行中——期间GPT-5.6-Sol执行了数千次生成、假设检验、推翻和重建的循环——它最终产生了一个完整的证明。

这个论证没有采用专家们预期的繁重估计，而是使用了一种巧妙的采样策略，将问题简化为一个简单的正性条件。据审阅者描述，这是一种优雅且出人意料的思路。

专家验证

康奈尔大学的数值分析专家Alex Townsend在过去一年里经常请ChatGPT攻击Crouzeix猜想，但每次都看着它卡在同一个缺失的引理上。2026年7月30日，他又问了一次——但这次ChatGPT返回了一个链接，指向一篇7月27日发布的预印本，标题是《数值范围是一个2-谱集》。

Townsend和华盛顿大学的Anne Greenbaum带着怀疑的态度审阅了这篇预印本。几个小时后，他们得出结论：证明是正确的。Michel Crouzeix本人——22年前提出这个猜想的数学家——也审阅了手稿并确认其正确性。

开源与独立验证

金山木将他的整个研究流程开源，在GitHub上公开了最终论文、精确的提示词、所有连续的手稿迭代、Lean 4形式化证明以及公理审计。

值得注意的是，在金山木的预印本发布八天后，Emiel Lorist和Felix Schwenninger发布了另一份独立的证明——他们也使用了ChatGPT 5.6进行策略探索——在arXiv上独立验证了这一结果。

这对AI与科学的意义

金山木证明故事的意义在于多方面。它表明，一个在特定领域没有正式训练的非专家，通过为前沿AI模型设计正确的自主工作流程，也能对困扰专业研究者多年的问题做出真正的贡献。这也展示了精心设计的自主推理系统的力量：金山木没有将AI用作搜索引擎或聊天机器人——他设计了一个能够在不需人类干预的情况下，在数小时内自行探索、检查和优化自身工作成果的系统。

这个问题并非玩具或谜题，而是一个存在了22年的开放难题，其证明已经得到了提出该猜想的数学家以及该领域其他顶尖专家的审阅和认可。