OpenAI 在 2026 年 10 月 6 日公開 722 篇數學手稿，並將它們整理為 372 個結果系列。這批成果展現 AI 大規模產出數學研究的能力，也讓一個關鍵問題浮上檯面：證明助手可以檢查形式化後的論證，但研究者仍須確認，形式化命題是否與手稿聲稱的結果相符。這是一批等待評估的研究成果，不是 722 項已各自獲得確認的發現。127

手稿數量龐大，不代表結果都已獲確認

OpenAI 表示，這批手稿由一個尚未公開的內部模型產生；公司稱，平均每項結果耗用約三小時運算，評估過程中則提出約 4,000 個問題。這些數字呈現的是工作規模與公司所報告的運算投入，本身並不能證明每項結果正確或具有何種數學意義。137

此外，手稿是按結果系列分組，因此不能把 722 篇直接理解為 722 個互不相關、各自經獨立驗證的突破。個別主張是否成立，仍須檢視其論證，並接受數學界的審查。712

Navier–Stokes 案例：形式化證明要與論文主張對得上

外界針對 OpenAI 先前 Navier–Stokes 研究提出的一項具體疑慮，出現在 Lemma 8.6。可供人閱讀的手稿中，一項估計要求涉及最高至 m + 4 階導數的正則性條件；相應的 Lean 版本則使用 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，因此不能直接視為驗證了手稿原文所寫的主張。2

這項差異本身並不能證明任一版本無效，也不能據此裁定整體結果。但它表示，電腦檢查成功，不能直接當成手稿中較強主張已獲確認。審查者仍須逐一比對論文所說的內容，與形式化程式實際編碼的命題。2

這也是形式化驗證的一般限制：證明助手檢查的是以形式語言表示的命題。除非也檢查從論文轉譯到形式語言的過程，否則它無法單靠程式檢查，證明轉譯忠實無誤。出現落差，代表需要仔細審查；但這並不等同於蓄意弱化論證，也不能推論所有 AI 生成的證明都有同樣問題。2

運算可以很快，數學審查仍需時間

OpenAI 所報告的平均每項結果約三小時運算，讓人得以一窺系統產出成果的速度。另有報導指出，較早的 Navier–Stokes 工作曾讓 agents 運行約 88 小時。這兩個數字分屬不同工作，且都無法說明獨立數學家需要多久才能驗證相關論證。137

據報，一個團隊花了約兩週檢視先前的 Navier–Stokes 證明。這並不是對 10 月 6 日才公開的整批手稿進行了兩週評估。區分兩者很重要：產出一份手稿，與由外部專家獨立檢查其數學內容，是不同的工作；一次公開如此大規模的成果，也意味著後續審查工作量不小。2

Lean 能幫忙檢查，但不能回答所有問題

Lean 形式化能讓軟體檢查已編碼的邏輯步驟。OpenAI 公開的成果則處於不同驗證階段，而且並非每篇手稿都有附上 Lean 形式化版本。公司表示，後續會持續補上形式化內容。712

即使有形式化程式，而且程式通過檢查，讀者仍須確認它證明的是否為手稿中的同一命題，也要評估結果是否具有數學意義。論證與既有研究的關係同樣需要人來判斷；單靠形式化檢查，無法解答所有這些問題。27

重點不只在成果數量，而在逐項驗證

這次公開顯示 AI 有能力大規模產出數學研究，但不能取代數學審查。較可靠的做法，是逐項檢視每個結果：確認主張究竟是什麼，比對文字論證與形式化版本，並分清楚「電腦檢查過的命題」和「經數學家獨立確認的結果」。2712

Lemma 8.6 的差異說明了為何這道區分不可省略。AI 輔助研究或許能加快探索，但要建立可信度，仍得仰賴清楚的主張與仔細驗證，而不是只看手稿數量或運算時數。

OpenAI 在 2026 年 10 月 6 日公開 722 篇數學手稿，並將它們整理為 372 個結果系列。這批成果展現 AI 大規模產出數學研究的能力，也讓一個關鍵問題浮上檯面：證明助手可以檢查形式化後的論證，但研究者仍須確認，形式化命題是否與手稿聲稱的結果相符。這是一批等待評估的研究成果，不是 722 項已各自獲得確認的發現。127

手稿數量龐大，不代表結果都已獲確認

OpenAI 表示，這批手稿由一個尚未公開的內部模型產生；公司稱，平均每項結果耗用約三小時運算，評估過程中則提出約 4,000 個問題。這些數字呈現的是工作規模與公司所報告的運算投入，本身並不能證明每項結果正確或具有何種數學意義。137

此外，手稿是按結果系列分組，因此不能把 722 篇直接理解為 722 個互不相關、各自經獨立驗證的突破。個別主張是否成立，仍須檢視其論證，並接受數學界的審查。712

Navier–Stokes 案例：形式化證明要與論文主張對得上

外界針對 OpenAI 先前 Navier–Stokes 研究提出的一項具體疑慮，出現在 Lemma 8.6。可供人閱讀的手稿中，一項估計要求涉及最高至 m + 4 階導數的正則性條件；相應的 Lean 版本則使用 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，因此不能直接視為驗證了手稿原文所寫的主張。2

這項差異本身並不能證明任一版本無效，也不能據此裁定整體結果。但它表示，電腦檢查成功，不能直接當成手稿中較強主張已獲確認。審查者仍須逐一比對論文所說的內容，與形式化程式實際編碼的命題。2

這也是形式化驗證的一般限制：證明助手檢查的是以形式語言表示的命題。除非也檢查從論文轉譯到形式語言的過程，否則它無法單靠程式檢查，證明轉譯忠實無誤。出現落差，代表需要仔細審查；但這並不等同於蓄意弱化論證，也不能推論所有 AI 生成的證明都有同樣問題。2

運算可以很快，數學審查仍需時間

OpenAI 所報告的平均每項結果約三小時運算，讓人得以一窺系統產出成果的速度。另有報導指出，較早的 Navier–Stokes 工作曾讓 agents 運行約 88 小時。這兩個數字分屬不同工作，且都無法說明獨立數學家需要多久才能驗證相關論證。137

據報，一個團隊花了約兩週檢視先前的 Navier–Stokes 證明。這並不是對 10 月 6 日才公開的整批手稿進行了兩週評估。區分兩者很重要：產出一份手稿，與由外部專家獨立檢查其數學內容，是不同的工作；一次公開如此大規模的成果，也意味著後續審查工作量不小。2

Lean 能幫忙檢查，但不能回答所有問題

Lean 形式化能讓軟體檢查已編碼的邏輯步驟。OpenAI 公開的成果則處於不同驗證階段，而且並非每篇手稿都有附上 Lean 形式化版本。公司表示，後續會持續補上形式化內容。712

即使有形式化程式，而且程式通過檢查，讀者仍須確認它證明的是否為手稿中的同一命題，也要評估結果是否具有數學意義。論證與既有研究的關係同樣需要人來判斷；單靠形式化檢查，無法解答所有這些問題。27

重點不只在成果數量，而在逐項驗證

這次公開顯示 AI 有能力大規模產出數學研究，但不能取代數學審查。較可靠的做法，是逐項檢視每個結果：確認主張究竟是什麼，比對文字論證與形式化版本，並分清楚「電腦檢查過的命題」和「經數學家獨立確認的結果」。2712

Lemma 8.6 的差異說明了為何這道區分不可省略。AI 輔助研究或許能加快探索，但要建立可信度，仍得仰賴清楚的主張與仔細驗證，而不是只看手稿數量或運算時數。