答案已發布12 個來源
AlphaProof Nexus 解出 9 道埃爾德什問題：成果亮眼，仍有待檢視
2026 年 5 月的預印本報告，AlphaProof Nexus 在 353 道埃爾德什未解問題中解出 9 道，並證明 492 個 OEIS 猜想中的 44 個。 換算後約為 2.5% 與 8.9%，只是這兩組測試題目的成功比例，並非對所有數學問題的解題率。
發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成
研究答案
重點整理
- 2026 年 5 月的預印本報告，AlphaProof Nexus 在 353 道埃爾德什未解問題中解出 9 道，並證明 492 個 OEIS 猜想中的 44 個。
- 換算後約為 2.5% 與 8.9%，只是這兩組測試題目的成功比例，並非對所有數學問題的解題率。
- Lean 可檢查形式化證明是否符合形式化命題；命題是否忠實對應原猜想、結果是否早已有人證明，仍需另外核實。
AI 提示詞
openai.comCreate a landscape editorial hero image for this Studio Global article: What does Google DeepMind’s October 8, 2026 Science paper, following its May arXiv preprint, report about AlphaProof Nexus’s solutions to ni. Article summary: The May preprint reports a meaningful but selective advance: AlphaProof Nexus resolved nine of 353 Erdős problems and proved 44 of 492 OEIS conjectures, with reported computing costs of a few hundred dollars per solved E. Topic tags: general, academic, general web, user generated, government. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
2026 年 5 月的一份 arXiv 預印本報告，Google DeepMind 的 AlphaProof Nexus 解出了 353 道未解埃爾德什問題中的 9 道，並證明了《線上整數序列百科全書》（OEIS）492 個猜想中的 44 個。論文也指出，每解出一道埃爾德什問題，運算成本約為數百美元。這些成果顯示它可能是有用的證明搜尋工具，但單靠數字，還不足以衡量它做數學的可靠程度，也不能證明每項成果都是新的。17
這些數字代表什麼？
以受測題目數計算，9 道占埃爾德什問題約 2.5%，44 個占 OEIS 猜想約 8.9%。這是系統在兩組特定題目中的成功比例，不代表它遇到任何數學問題時的解題機率。作者也表示，每當系統解出一道埃爾德什問題，研究團隊的專家都會檢查 Lean 形式化命題是否忠實呈現原始猜想。17
因此，論文呈現的是從大量題目中取得的成功案例，而不是系統能隨時解決未解問題的保證。此外，「每道已解題目花費數百美元」這項估算，本身也無法說明未成功嘗試的總成本，或整套搜尋流程是否划算。17
Lean 驗證很重要，但不是全部
預印本將 AlphaProof Nexus 描述為一套以 AI 搜尋形式化證明的框架。這類流程會把證明寫成 Lean 等形式系統能處理的形式，再由證明檢查器核對推理是否符合形式化命題。若檢查通過，便能有力支持形式化論證確實遵循該命題。17
不過，形式驗證與數學脈絡是兩回事。檢查器接受證明，不會自動證明形式化命題完全等同於研究者原本想問的問題，也不會判定該結果是否早已被證明，或其數學意義有多重要。研究團隊表示曾請專家核對 Lean 命題與埃爾德什猜想的對應關係，正是理解成果數字時不可忽略的一環。17
現有資料能確認到哪裡？
一篇 10 月的新聞報導指出，這批埃爾德什成果中有兩題，是 Paul Erdős 與 András Sárközy 於 1970 年提出的問題。這支持了「成果包括長期未解問題」的說法；但它屬於二手報導，而非論文本身。19
目前可用資料包括 5 月的預印本與二手報導，並未提供 10 月《Science》論文全文，也沒有足以逐項評估相關說法的詳細獨立審查。因此，這些資料無法確認問題中提到的特定模型版本、代數幾何與極小極大成果，或關於既有解答、題目措辭變更、其他代理系統、佔位證明及由人類引導搜尋等具體爭議。若未查閱論文、形式化證明檔案及相關審查者的說明，這些細節不宜視為定論。
評估成果，應逐題檢查
較穩妥的做法，是逐題核對原始猜想與形式化版本是否一致、完整證明是否可檢查、既有文獻是否已有解答，以及研究過程中人類提供了多少協助。預印本公布的成果，讓 AlphaProof Nexus 值得作為證明搜尋工具進一步檢視；但僅憑解題數量，還不能判定它是否能獨立進行數學研究，也無法確定每項成果的新穎性與重要性。17
Studio Global AI
繼續深入研究
這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。
大家也會問
「AlphaProof Nexus 解出 9 道埃爾德什問題：成果亮眼，仍有待檢視」的簡短答案是什麼？
2026 年 5 月的預印本報告，AlphaProof Nexus 在 353 道埃爾德什未解問題中解出 9 道，並證明 492 個 OEIS 猜想中的 44 個。
最值得優先驗證的重點是什麼？
2026 年 5 月的預印本報告，AlphaProof Nexus 在 353 道埃爾德什未解問題中解出 9 道，並證明 492 個 OEIS 猜想中的 44 個。 換算後約為 2.5% 與 8.9%，只是這兩組測試題目的成功比例，並非對所有數學問題的解題率。
接下來在實務上該怎麼做？
Lean 可檢查形式化證明是否符合形式化命題；命題是否忠實對應原猜想、結果是否早已有人證明，仍需另外核實。
來源
arxiv.orgAdvancing Mathematics Research with AI-Driven Formal ...
elmundo.esGoogle DeepMind logra que una IA resuelva problemas matemáticos que llevaban más de 50 años sin solución
science.orgAt futuristic meeting, AIs took the lead in producing and reviewing all the studies