OpenAI 在 2026 年 10 月 6 日公開 722 份數學稿，並將它們歸入 372 個結果系列。這批成果展示 AI 能以大規模方式協助數學研究，同時亦帶出一個核心問題：Lean 等證明助理可以檢查形式化後的論證，但研究者仍要確認，程式實際證明的命題，是否與論文聲稱的一致。這批稿件應視為有待評估的研究材料，而不是 722 項已獨立確立的發現。127

數量大，不代表每項結果都已確認

OpenAI 表示，這批數學稿由一個未公開的內部模型產生；評估期間，模型大約處理了 4,000 道問題，而每項結果平均使用約三小時運算。這些數字反映工作規模及公司所報告的運算投入，單憑數字本身，不能證明每項論證正確，亦不能判定其數學重要性。137

此外，722 份稿件被整理成 372 個結果系列，因此不應把稿件總數直接理解為 722 項互不相關、已獲獨立核實的突破。個別主張是否成立，仍要看論證本身，以及它能否經得起數學界的檢視。712

Navier–Stokes 例子：形式化證明要和論文對得上

針對 OpenAI 早前公布的 Navier–Stokes 工作，有研究者指出 Lemma 8.6 存在一處值得留意的差異：人類可讀的論文版本中，估計式涉及最高至 m + 4 階導數的正則性要求；相應的 Lean 版本則寫成 m + 5。要求多一階導數，代表形式化版本的估計較弱：它需要更強的前提，未能直接核實論文原文所述的較強主張。

這個差異本身並不能證明其中一個版本無效，也不足以裁定整項結果是否成立。但它代表，不能單憑電腦成功檢查 Lean 程式，就說論文中較強的表述已獲確認。研究者仍須逐項比對論文聲稱甚麼，以及形式化程式實際編碼了甚麼。

這亦是形式化驗證的一般限制：證明助理檢查的是以形式語言表達的命題；除非有人核對翻譯過程，否則程式本身無法保證該命題忠實對應論文內容。出現不一致，應視為需要仔細調查的理由；單憑這一點，既不能證明有人刻意削弱論證，也不能推論所有 AI 生成證明都有同類問題。

產出可以快，數學審核仍要花功夫

OpenAI 報告的平均數字，是每項結果約三小時運算；另有報道指，早前的 Navier–Stokes 工作曾讓 AI agents 運作約 88 小時。兩個數字涉及不同工作，亦都不能代表獨立數學家需要多少時間才能核實論證。1

報道亦提到，有團隊花了約兩星期檢視早前的 Navier–Stokes 證明。那不是對 10 月 6 日才公開的整批數學稿進行兩星期審核。撰寫論文與獨立檢查數學內容，是兩項不同工作；當稿件以這種規模公開，核實工作自然亦會相當繁重。

Lean 有用，但並非回答所有問題

Lean 是一種可用來形式化數學證明的工具，讓軟件逐步檢查程式所表達的邏輯推導。不過，OpenAI 這批結果處於不同驗證階段，並非每份稿件都有配套的 Lean 形式化版本。公司表示，會繼續為更多結果加入形式化證明。712

即使有形式化程式，而且程式成功通過檢查，讀者仍要確認它證明的是否與論文同一命題，也要判斷結果在數學上的意義。論證與前人工作的關係，同樣需要人手評估；單靠形式化檢查，不能代替這些判斷。27

關鍵不只是 AI 做得多快

這次公開顯示，AI 有能力大規模產出數學研究材料，但不代表它可以取代數學審核。較穩妥的做法，是逐項檢視結果：先弄清楚主張的具體內容，再比較論文論證與任何形式化版本，並分清楚「電腦檢查過的命題」和「已由數學家獨立確認的結果」。2712

Lemma 8.6 的差異正好說明，為甚麼這個分別重要。AI 或可加快探索和產出，但要建立可信度，仍要靠清楚交代主張、讓文字與形式化版本互相對照，以及認真核實；稿件數目和運算時間本身並不足夠。

OpenAI 在 2026 年 10 月 6 日公開 722 份數學稿，並將它們歸入 372 個結果系列。這批成果展示 AI 能以大規模方式協助數學研究，同時亦帶出一個核心問題：Lean 等證明助理可以檢查形式化後的論證，但研究者仍要確認，程式實際證明的命題，是否與論文聲稱的一致。這批稿件應視為有待評估的研究材料，而不是 722 項已獨立確立的發現。127

數量大，不代表每項結果都已確認

OpenAI 表示，這批數學稿由一個未公開的內部模型產生；評估期間，模型大約處理了 4,000 道問題，而每項結果平均使用約三小時運算。這些數字反映工作規模及公司所報告的運算投入，單憑數字本身，不能證明每項論證正確，亦不能判定其數學重要性。137

此外，722 份稿件被整理成 372 個結果系列，因此不應把稿件總數直接理解為 722 項互不相關、已獲獨立核實的突破。個別主張是否成立，仍要看論證本身，以及它能否經得起數學界的檢視。712

Navier–Stokes 例子：形式化證明要和論文對得上

針對 OpenAI 早前公布的 Navier–Stokes 工作，有研究者指出 Lemma 8.6 存在一處值得留意的差異：人類可讀的論文版本中，估計式涉及最高至 m + 4 階導數的正則性要求；相應的 Lean 版本則寫成 m + 5。要求多一階導數，代表形式化版本的估計較弱：它需要更強的前提，未能直接核實論文原文所述的較強主張。

這個差異本身並不能證明其中一個版本無效，也不足以裁定整項結果是否成立。但它代表，不能單憑電腦成功檢查 Lean 程式，就說論文中較強的表述已獲確認。研究者仍須逐項比對論文聲稱甚麼，以及形式化程式實際編碼了甚麼。

這亦是形式化驗證的一般限制：證明助理檢查的是以形式語言表達的命題；除非有人核對翻譯過程，否則程式本身無法保證該命題忠實對應論文內容。出現不一致，應視為需要仔細調查的理由；單憑這一點，既不能證明有人刻意削弱論證，也不能推論所有 AI 生成證明都有同類問題。

產出可以快，數學審核仍要花功夫

OpenAI 報告的平均數字，是每項結果約三小時運算；另有報道指，早前的 Navier–Stokes 工作曾讓 AI agents 運作約 88 小時。兩個數字涉及不同工作，亦都不能代表獨立數學家需要多少時間才能核實論證。1

報道亦提到，有團隊花了約兩星期檢視早前的 Navier–Stokes 證明。那不是對 10 月 6 日才公開的整批數學稿進行兩星期審核。撰寫論文與獨立檢查數學內容，是兩項不同工作；當稿件以這種規模公開，核實工作自然亦會相當繁重。

Lean 有用，但並非回答所有問題

Lean 是一種可用來形式化數學證明的工具，讓軟件逐步檢查程式所表達的邏輯推導。不過，OpenAI 這批結果處於不同驗證階段，並非每份稿件都有配套的 Lean 形式化版本。公司表示，會繼續為更多結果加入形式化證明。712

即使有形式化程式，而且程式成功通過檢查，讀者仍要確認它證明的是否與論文同一命題，也要判斷結果在數學上的意義。論證與前人工作的關係，同樣需要人手評估；單靠形式化檢查，不能代替這些判斷。27

關鍵不只是 AI 做得多快

這次公開顯示，AI 有能力大規模產出數學研究材料，但不代表它可以取代數學審核。較穩妥的做法，是逐項檢視結果：先弄清楚主張的具體內容，再比較論文論證與任何形式化版本，並分清楚「電腦檢查過的命題」和「已由數學家獨立確認的結果」。2712

Lemma 8.6 的差異正好說明，為甚麼這個分別重要。AI 或可加快探索和產出，但要建立可信度，仍要靠清楚交代主張、讓文字與形式化版本互相對照，以及認真核實；稿件數目和運算時間本身並不足夠。