Anthropic 未公開模型在 36 小時內自動化測試 650 種思路，將黎曼猜想下界從 41.6% 推升至 67.2%，重寫數學研究規則

驗證流程

兩位內部數學家——Levent Alpöge 和 Ralph Furmaniak——審查並確認了這個證明。隨後，這個論證在互動式定理證明器 Lean 中完成了形式化，產生了一個機器可檢查的正確性證書。這種雙重驗證（專家人工審查 + 形式化驗證）被廣泛認為是 AI 生成的數學結果的最佳實踐證據。

2026 年大背景：AI 數學的轉折點

Claude 在黎曼邊界上的改進並非孤立事件。2026 年見證了一系列 AI 主導的數學突破加速發生：

• 2026 年 5 月 — OpenAI 宣布一個未公開的通用推理模型自主反駁了厄多斯單位距離猜想，這是一個 80 年歷史的開放問題。
• 2026 年 5 月 — Google DeepMind 的 AlphaProof Nexus 解決了九個開放的 Erdős 問題（部分已懸而未決 56 年），並證明了來自整數序列線上百科全書的 44 個猜想，所有結果均在 Lean 中形式化。
• 2026 年 7 月 — Anthropic 數學家 Levent Alpöge 使用未公開的「Fable 5」模型找到了雅可比猜想的反例，該猜想提出於 1939 年。
• 2026 年 8 月 — OpenAI 的 Astra 模型據報導以約 2,000 美元的計算成本解決了十個數十年歷史的數學問題，並將機器可檢查的證明發布在 GitHub 上的 Lean 代碼庫中。

多位評論者指出，該領域在 2026 年中跨越了一個門檻：AI 系統從解決競賽級數學題，進步到能夠產生可發表、針對開放問題級別的研究。

辯論：作者歸屬、標準與萊頓宣言

AI 生成數學的快速發展引發了激烈的討論：

• 2026 年 6 月，一個由 16 位數學家組成的團體發布了**《萊頓人工智慧與數學宣言》**，建議為 AI 生成結果制定新的證明結構、作者歸屬和人類監督標準。該宣言隨後在國際數學聯盟內得到了討論。
• 關鍵的緊張點包括：當 AI 生成證明時，誰能獲得作者榮譽？如果證明太長或太新穎以至於人類無法在沒有形式化工具的情況下完全審查，學科如何維持認知信任？期刊應如何同行評審那些沒有任何單一人類能夠產生的結果？
• 一些數學家認為，AI 輔助的證明有侵蝕理解和解釋性洞察的風險——一個證明可能是正確的，但卻無法讓人理解。另一些人則認為，在 Lean 中的形式化驗證提供了一個比傳統同行評審更嚴格的標準。

這對 AI 發現新科學的能力意味著什麼

Anthropic 的黎曼結果以幾個具體方式推進了討論：

1. 自主探索的規模至關重要。 測試 650 個想法、調度 60 個子代理證明了多代理架構可以系統性地進行搜索，其規模是任何人類研究團隊在相同時間內都無法比擬的。這將問題從「AI 能做數學嗎？」轉變為「我們應該如何將 AI 大規模探索整合到科學發現流程中？」

2. 偶然的綜合是可能的。 一個沒有數學訓練的模型結合了 Bombieri 2000 年的論文與更新的結果——一個人從未見過的組合——表明 AI 可以跨越不同文獻做出非顯而易見的概念性連接。這種能力直接回應了一個核心擔憂：LLM 是否僅僅在插值，還是能真正進行發現。

3. 形式化驗證解決了信任問題。 Lean 形式化意味著結果不是一個「黑箱」聲明。它是一個任何數學家都可以機械地檢查的可證明正確的定理。這為如何使 AI 生成的科學結果變得可驗證提供了一個範本，解決了對 AI 主導發現最強烈的反對意見之一。

4. 關於作者歸屬和標準的辯論是建設性的，而非癱瘓性的。 驚人結果（DeepMind、OpenAI、Anthropic）與社群主導的體制回應（萊頓宣言）同時出現，表明數學界正在適應而非退縮。當前的討論圍繞規範和榮譽，而不是全面拒絕 AI 輸出。

5. 發現的成本和速度正在暴跌。 OpenAI Astra 結果約 2,000 美元的計算成本以及 Claude 黎曼邊界 36 小時的週轉時間表明，一個可發表的數學發現的邊際成本正在趨近於零。這對研究人員選擇追求什麼問題以及誰能參與數學研究有著深遠的影響。

簡而言之： Anthropic 的黎曼邊界改進是一個里程碑式的證明，表明 AI 系統現在可以自主發現可發表、可形式化驗證的數學結果，從而推進一個 150 年歷史的開放問題。結合 2026 年一系列類似的突破，它將討論從「AI 是否能為科學發現做出貢獻」轉變為「科學界應如何為新型 AI 共同發現者構建激勵機制、歸屬和驗證體系」。