OpenAI 公布十项数学与理论计算机科学结果：Lean 证书把证据链推进到哪一步 (2026)

OpenAI 在 2026 年 8 月 1 日公布了十项数学与理论计算机科学结果，覆盖高维几何、编码理论、群论、算术电路、量子复杂性、格密码学和极值组合。更值得读的不是「十」这个数字，而是它同时公开了论文、证明思路说明和 Lean 形式化仓库：模型负责提出数学论证，人类整理成稿，再把每项论证编码成可检查的形式命题。1

这让发布从一组模型演示变成了一个可以继续审计的研究包，但它还不是「数学共同体已经接受十项新定理」的通行证。论文、形式化代码和独立数学复核，证明的是三件不同的事。

十项结果，推进的不是同一种边界

OpenAI 说，这些问题至少十年没有在主结果上取得进展，很多还要更久。下面的表格按问题所在领域列出论文声称得到的结果；「读者要核对什么」比结果标题本身更重要。1 2

方向	论文给出的结果	读者要核对什么
高维球填充	确定 Cohn–Elkies 线性规划在高维的精确指数：`LP_d^(1/d) → √e/(2π)`，由此改进一般球填充上界的指数。	这是线性规划上界的高维指数，不是已经求出每个维度的最佳球填充密度。论文还明确区分了两者。2
二元码与球面码	对固定相对距离的二元码、固定最大内积的球面码，分别严格改进 MRRW 和 Kabatianskii–Levenshtein 的高维指数；论文称这是相应通用指数自 1977、1978 年以来的首次改进。	改进发生在渐近指数和参数范围，不能只拿某一个小维度的码率来理解。2
非 sofic 群	构造二元 Leavitt 代数单位群的有限生成非 sofic 子群，否定「每个可数群都能被有限置换近似」的 soficity conjecture。	结论针对 sofic 近似；论文特别说明它不自动回答该群是否 hyperlinear。2
Connes 刚性猜想	构造两两非同构、相互 commensurable 的 ICC、property-(T) 群，它们的群 von Neumann 代数却同构；还得到一个可数无限的同构纤维。	这不仅是否定群由群因子唯一决定，也否定了某个「至多有限个」的弱化版本；两个层次不要混写。2
算术电路复杂度	计算 `permanent` 的无除法算术电路需要 `Ω(n² log log n)` 个门；算术公式需要 `Ω(n⁴ / log n)` 个变量叶子，即使允许满足条件的除法也保持同阶下界。	电路可以复用中间结果，公式不能；这两个下界属于不同计算模型，也不能直接转成 determinant 的同样结论。2
量子并行重复	对所有有限的双人、单轮纠缠博弈，只要单局纠缠值小于 1，多轮同时获胜的概率就按指数下降。	关键是「所有有限博弈」，而不是此前已经解决的特殊博弈类别；量化衰减常数仍依赖误差和答案字母表大小。2
最近向量问题	从 3SAT 给出确定性多项式时间归约，证明欧氏 CVP 存在 `n^(1/400)` 因子近似困难性；同一构造还推出二元最近码字、syndrome decoding 和固定 `ℓp` 范数版本的结果。	这是最坏情况近似困难性，不等同于某个后量子密码系统已经获得同样的平均情况安全证明。论文也强调没有调用 PCP 定理或 Projection Games Conjecture。2
Ehrhart 体积猜想	若 `n` 维凸体的重心是唯一内部格点，则体积不超过 `(n+1)^n / n!`，并达到猜想中的尖锐上界。	论文没有确定所有等号情形是否都来自给出的单纯形；上界证明和等号分类是两个问题。2
多色 Ramsey 数	对 `k` 色三角 Ramsey 数给出 `(c k^(1/3) / log k)^k` 量级的下界，因而与经典上界合起来得到 `R_k(3)=k^(Θ(k))`，证明其超指数增长。	这里的进展是增长率级别，不是给出每个 `k` 的精确 Ramsey 数。2
极值图论	用两个互补构造否定 Erdős–Simonovits compactness conjecture 和 Erdős 的 degeneracy conjecture：一个有限连通二部图族与一个固定连通二部 2-degenerate 图分别给出反例。	论文给出了具体指数分离；「反例」说明猜想的普遍表述失败，不意味着所有相关图族都落入同一类行为。2

这十项没有共同 benchmark，也没有一个可以把群论反例、量子定理和图论构造排成名次的总分。更合适的读法是：它们各自把一个长期问题推进到新的定理、反例或渐近界，读者需要回到相应领域的假设和旧结果中判断分量。

三个结果，展示三种真正的证明突破

1. 高维几何：把一个码点换成一个子空间

球填充结果处理的是 Cohn–Elkies 线性规划的高维指数。它把球填充上界转成傅里叶变换上的符号约束，再研究一个反自傅里叶函数的符号不确定性半径。论文给出的结论是，这个线性规划的指数极限为 √e/(2π)，同时给出正、负特征值对应的不确定性半径。2

二元码和球面码的伴随结果使用了更容易看出工程含义的改动。传统谱构造通常给每个码点关联一个向量；这组工作让每个码点关联一个随点移动的投影子空间。只要这些子空间的重叠仍能由点间距离控制，子空间维数就会变成界中的指数收益。官方 walkthrough 将这条路线概括为「moving projections」：改进不是凭空增加一个多项式系数，而是改变证书携带信息的维度。2 3

这也是为什么表格里的「指数改进」不能被理解成一组漂亮样例。它针对的是旧界的渐近结构；但具体参数、边界点和构造是否能被其他研究者采用，仍要看完整定理和证明细节。

2. 量子复杂性：并行重复的难点是纠缠跨坐标耦合

经典并行重复的直觉是：多玩几局、要求每局都赢，成功概率就会指数下降。量子玩家可以在所有坐标上联合测量，重复博弈的成功事件不再简单分解，因此「单局失败」不能直接乘起来。

论文的主定理覆盖任意有限双人纠缠博弈，并给出指数衰减。证明建立在既有 conditioning 和 dependency-breaking 框架上，新的关键估计是对 postselection 稳定的 quantum sampleability：即使条件事件很稀有，分析也不先付出一个与该事件概率倒数相关的损失。walkthrough 对这一步的描述是先保住条件分支的 Born 权重，再把可采样性和信息量估计接到重复博弈的衰减上。2 3

所以这项结果的价值不只是「量子版也指数下降」。它补上的是一般纠缠博弈的覆盖范围：此前任意博弈只有多项式衰减，指数结果只对若干特殊类别成立。读者复核时，首先应看误差参数、答案字母表和有限性假设，而不是只看 theorem 的标题。

3. 复杂性理论：把结构性构造压成下界和归约

permanent 的两个结果分别利用了电路复用和公式不可复用之间的差别。电路下界通过一个让梯度在低维集合上消失的仿射特化，再接几何次数界；公式下界则从矩阵匹配系数中找出大量代数独立的系数，再把这些要求累加到彼此不共享边的 matching 上。论文还专门解释了为什么这些方法利用了 permanent 的结构，不能直接照搬到 determinant。2 3

CVP 的路线不同。它从 3SAT 出发，在特征 2 的域上用 Reed–Solomon 的幂和约束编码赋值与子句，再把二元仿射系统逐坐标转成整数格。完备性来自多项式插值；可靠性部分则从低重量解的幂和恢复根集合，迫使一个根同时满足所有子句。这个「直接归约」让结果不依赖 PCP 定理，但 n^(1/400) 仍是复杂度理论里的渐近近似因子，不能写成实用求解器的运行时结论。2

三层证据，不是一张通行证

OpenAI 对这批结果的生产过程给出了一个清楚但需要拆开的描述：结果由内部版本 Astra 生成；OpenAI 估计，寻找这些解所需 token 按 Sol API 费率约为 2,000 美元；之后人类用同一模型把论证整理成论文，再由模型把各项论证形式化为 Lean certificate。这个数字是 API 费率下的 token 成本估算，不是总研发成本，也不是完成数学审稿的预算。1

仓库把十项结果拆成对应的 Lean 文件，使用 Lean 4.32.0、mathlib 和 Lake，并给出构建全部形式化或单项文件的命令；仓库还提供用 Comparator 检查形式化的说明。4 这使读者可以把「证明是否能在指定形式系统中通过检查」从论文叙述中分离出来。

但 Lean 检查的对象是已经被编码进去的形式命题。它不会自动回答四个更上游的问题：论文中的自然语言定理是否被完整、无误地翻译进代码；假设是否与原问题一致；结果是否真的新；以及它是否击中了该领域共同体认为重要的那个问题。形式化代码因此是强证据层，而不是替代数学阅读的按钮。

配套的 reasoning walkthrough 也要放在正确位置。它的摘要说明，这些笔记是模型阅读原始思路、数学论文和写作材料之后，对证明如何形成的高层重构，重点写成功路线和中途受阻的方向。它能帮助读者理解为什么最终证明选择了某个不变量，但不是独立审稿，也不应被当作第二份独立证明。3

读者现在该怎么核验

先读定理条件，而不是先读结论标题。 球填充结果是 Cohn–Elkies 上界的高维指数，不是所有维度的最佳密度；Ehrhart 结果给出尖锐体积上界，但没有完成全部等号分类。2
按问题进入对应章节和代码文件。 仓库 README 给出例如 lake exe cache get、lake build All 和 lake build SpherePacking 的构建路径；实际复核时还要记录 Lean、mathlib 和缓存版本。4
对照论文与 Lean 的命题。 检查定义域、量词、常数、渐近参数、复杂度模型和是否允许除法。能编译的文件只能说明形式化对象通过了检查，不能替读者完成这一步对照。
等待领域内的独立反应。 OpenAI 自己也把归因、影响和数学意义交给数学共同体继续判断。后续最有信息量的材料，不是重复「AI 解决了十个问题」这一句话，而是其他作者对定理的复核、简化、推广、引用或反驳。1

这次发布值得追踪，但最稳妥的表述不是「AI 已经自动做完了数学」。目前能确认的是：OpenAI 公布了十项声称推进长期开放问题的结果，配套论文给出定理与证明，GitHub 仓库给出 Lean 形式化和构建入口。读者真正要判断的下一步，是这些形式化对象与论文主张是否逐项对齐，以及数学共同体是否会把其中哪些结果当作新的、可继续使用的数学。

OpenAI 公布十项数学与理论计算机科学结果：Lean 证书把证据链推进到哪一步