OpenAI于2026年10月6日发布了722份数学稿件，并将其归入372个结果系列。这批成果展现了AI大规模辅助数学研究的潜力，也凸显一项关键难题：证明助手可以检查形式化表达的论证，但研究者仍须确认，代码中的命题是否与论文声称的结果一致。因此，这是一批有待评估的研究成果，而不是722项已经分别确立的数学发现。127

稿件数量，不等于已确认的发现数量

OpenAI表示，这些稿件由一款尚未公开的内部模型生成；每项结果平均使用约3小时计算。公司还称，评估过程中向模型提出了约4,000道问题。这些数字说明了工作的规模和所报告的计算投入，但不能单独证明每项结果都正确或具有重要意义。137

此外，稿件按结果系列归类，不能把标题中的722份稿件直接理解为722项互不相关、且已独立验证的突破。每一项具体论断是否成立，仍取决于论证本身，以及它能否经受数学界的审查。712

Navier–Stokes案例：形式化证明必须与原文对得上

围绕OpenAI此前发布的Navier–Stokes相关工作，一个具体争议涉及Lemma 8.6。通俗来说，正则性条件规定了相关函数需要具备多高程度的平滑性。文字稿中的估计要求涉及到 m + 4 阶导数；对应的Lean版本则写成 m + 5。由于后者要求更多正则性条件，它适用的前提更强，因而能支持的结论更弱，不能直接算作验证了文字稿中原样写出的论断。2

这一处差异本身并不能证明两个版本中任何一个无效，也不能据此判定整体结果。但它意味着，不能仅凭电脑检查通过，就说文字稿里的更强结论已经得到确认。审查者需要对照论文声称了什么，以及形式化代码实际表达了什么。2

这也是形式化验证的一般局限：证明助手检查的是用形式语言表达出来的命题。除非翻译过程也经过检查，否则它无法保证这个命题忠实对应论文原文。两者不一致，意味着需要仔细审查；但这既不能证明有人故意弱化了论证，也不能说明所有AI生成的证明都有同样问题。2

生成可以很快，独立审查仍要投入时间

OpenAI报告称，每项结果平均耗费约3小时计算，这让人得以一窥系统产出成果的速度。另据报道，此前的Navier–Stokes相关工作中，智能体运行了约88小时。这些数字分别对应不同工作，也都不能说明独立数学家需要多久才能核实相关论证。137

据报道，一个团队花了约两周检查此前的Navier–Stokes证明。需要区分的是，这并非对10月6日刚发布的整批稿件进行了两周评估。写出一篇稿件与由独立研究者核验其中的数学论证，是两项不同工作；当成果以这样的规模集中发布，审查工作量也随之增加。2

Lean能做什么，又不能替人判断什么

Lean是一种用于形式化数学的语言；将证明写成Lean代码后，软件可以检查其中编码的逻辑步骤。不过，OpenAI发布的成果处于不同的验证阶段，并非每份稿件都附有Lean形式化版本。公司表示，之后会继续补充形式化内容。712

即便有形式化代码且检查通过，读者仍需确认它证明的是否正是论文所述命题，并判断结果在数学上是否有意义。论证与既有研究之间的关系，同样需要人来评估；单靠一次形式化检查无法回答所有这些问题。27

读者应如何看待这批成果

这次发布显示AI能够以较大规模生成数学研究成果，但不能取代数学审查。更稳妥的做法，是逐项看清论断的具体内容，对照文字论证与形式化版本，并区分“电脑检查了某个命题”和“数学家独立确认了这项结果”。2712

Lemma 8.6的差异说明了这种区分为何重要。AI或许能加快探索过程，但对成果的信心，最终仍取决于论断是否清楚、不同版本是否一致，以及验证是否经得起细致审查，而不是稿件数量或计算时长本身。

OpenAI于2026年10月6日发布了722份数学稿件，并将其归入372个结果系列。这批成果展现了AI大规模辅助数学研究的潜力，也凸显一项关键难题：证明助手可以检查形式化表达的论证，但研究者仍须确认，代码中的命题是否与论文声称的结果一致。因此，这是一批有待评估的研究成果，而不是722项已经分别确立的数学发现。127

稿件数量，不等于已确认的发现数量

OpenAI表示，这些稿件由一款尚未公开的内部模型生成；每项结果平均使用约3小时计算。公司还称，评估过程中向模型提出了约4,000道问题。这些数字说明了工作的规模和所报告的计算投入，但不能单独证明每项结果都正确或具有重要意义。137

此外，稿件按结果系列归类，不能把标题中的722份稿件直接理解为722项互不相关、且已独立验证的突破。每一项具体论断是否成立，仍取决于论证本身，以及它能否经受数学界的审查。712

Navier–Stokes案例：形式化证明必须与原文对得上

围绕OpenAI此前发布的Navier–Stokes相关工作，一个具体争议涉及Lemma 8.6。通俗来说，正则性条件规定了相关函数需要具备多高程度的平滑性。文字稿中的估计要求涉及到 m + 4 阶导数；对应的Lean版本则写成 m + 5。由于后者要求更多正则性条件，它适用的前提更强，因而能支持的结论更弱，不能直接算作验证了文字稿中原样写出的论断。2

这一处差异本身并不能证明两个版本中任何一个无效，也不能据此判定整体结果。但它意味着，不能仅凭电脑检查通过，就说文字稿里的更强结论已经得到确认。审查者需要对照论文声称了什么，以及形式化代码实际表达了什么。2

这也是形式化验证的一般局限：证明助手检查的是用形式语言表达出来的命题。除非翻译过程也经过检查，否则它无法保证这个命题忠实对应论文原文。两者不一致，意味着需要仔细审查；但这既不能证明有人故意弱化了论证，也不能说明所有AI生成的证明都有同样问题。2

生成可以很快，独立审查仍要投入时间

OpenAI报告称，每项结果平均耗费约3小时计算，这让人得以一窥系统产出成果的速度。另据报道，此前的Navier–Stokes相关工作中，智能体运行了约88小时。这些数字分别对应不同工作，也都不能说明独立数学家需要多久才能核实相关论证。137

据报道，一个团队花了约两周检查此前的Navier–Stokes证明。需要区分的是，这并非对10月6日刚发布的整批稿件进行了两周评估。写出一篇稿件与由独立研究者核验其中的数学论证，是两项不同工作；当成果以这样的规模集中发布，审查工作量也随之增加。2

Lean能做什么，又不能替人判断什么

Lean是一种用于形式化数学的语言；将证明写成Lean代码后，软件可以检查其中编码的逻辑步骤。不过，OpenAI发布的成果处于不同的验证阶段，并非每份稿件都附有Lean形式化版本。公司表示，之后会继续补充形式化内容。712

即便有形式化代码且检查通过，读者仍需确认它证明的是否正是论文所述命题，并判断结果在数学上是否有意义。论证与既有研究之间的关系，同样需要人来评估；单靠一次形式化检查无法回答所有这些问题。27

读者应如何看待这批成果

这次发布显示AI能够以较大规模生成数学研究成果，但不能取代数学审查。更稳妥的做法，是逐项看清论断的具体内容，对照文字论证与形式化版本，并区分“电脑检查了某个命题”和“数学家独立确认了这项结果”。2712

Lemma 8.6的差异说明了这种区分为何重要。AI或许能加快探索过程，但对成果的信心，最终仍取决于论断是否清楚、不同版本是否一致，以及验证是否经得起细致审查，而不是稿件数量或计算时长本身。