OpenAI 称其推翻了指数时间假设，并希望学术界核查该成果

新闻摘要

2026年10月26日（美国东部时间），OpenAI 公布了由其内部 AI 模型产出的三项新研究成果，分别涉及数学、计算机科学和理论物理领域，同时还发布了一项新计划，说明外部学者将如何审查并解读这些成果。其中最引人注目的主张是：指数时间假设是错误的。该假设长期以来被用于界定困难计算问题的求解速度上限。另外两项成果分别涉及波分析中挂谷猜想的相关证明，以及某些量子场论的存在性结果。这三项主张目前仍在接受独立审查。

三项成果

第一项成果属于数学领域。OpenAI 发布了一份手稿，证明了在所有空间维度下波的 Sogge 局部平滑猜想。据 Gizmodo 报道，这项工作同时解决了挂谷猜想——一个源自波与谐波研究的问题。该手稿被直接公开发布，以便研究人员进行审查并撰写自己的解读。

第二项成果属于计算机科学领域。OpenAI 表示，其系统生成了一个证明，表明指数时间假设（ETH）不成立。学界普遍认为 ETH 是正确的，并将其作为估算 3-SAT 等困难问题求解耗时的基准。据 Dataconomy 报道，ETH 支撑着数据库、计算生物学和几何学等领域数百篇论文的研究基础。如果这一推翻结论成立，理论上就有可能为其中一些问题设计出更快的算法。最初提出 ETH 的科学家也在受邀审查该模型生成成果的专家之列。

第三项成果属于物理学领域。OpenAI 描述了一个针对四维空间中带规范场和费米子的特定相互作用量子场论的证明，其中包括描述强相互作用的量子色动力学（QCD），以及标准模型的统一完备化形式。另一个独立的专家组正在审查这些物理学内容，截至报道时尚未发布任何相关信息。该小组决定暂不公开 AI 生成的原始材料，而是自行撰写相关论文。

与学术界合作的新方式

在公布成果的同时，OpenAI 也说明了其期望的发表方式。该公司表示，不会为其内部模型所做出的发现争取学术署名。它将模型生成的文本描述为“最好被理解为一种原始研究数据”，可由数学界和科学界将其转化为真正的科学认知。

外部专家（通常是模型所借鉴的前期研究的学者）将担任“引导者”。每位引导者会组建一个团队来审查输出内容并撰写解读文章。团队成员可因其撰写的文章和制作的材料获得署名，并负责确保成果中对模型所借鉴的研究人员、技术和思想给予应有的致谢。有报道称，计算机科学领域的团队由 Russell Impagliazzo 和 Ramamohan Paturi 领导，且 OpenAI 已承诺公开原始数据并资助一场学术会议。这些细节来自二手报道，我们无法通过 OpenAI 官方页面加以核实。

OpenAI 也承认了这种做法的局限性：首批引导者的选择会影响早期参与人员的构成，从而造成信息不对称。该公司欢迎外界就如何扩大参与度提出建议。部分原始材料已发布在 GitHub 上，但并非全部。

背景与注意事项

此次公告发布于2026年10月初的一次公开之后，当时 OpenAI 在 GitHub 上发布了数百页手稿。不同媒体给出的数量有所差异：Gizmodo 称为377项数学成果，Dataconomy 则称涵盖372个主要问题、总计超过700页。Gizmodo 指出，随附的博客文章读起来略带辩解意味；而且曾与 OpenAI 合作的一个顾问小组批评过私营公司利用尚未发布的内部模型取得此类突破的做法。

验证工作仍是一个悬而未决的问题。Gizmodo 报道称，数学成果已在证明助手 Lean 中完成形式化，但人类读者在审查 OpenAI 经 Lean 验证的纳维-斯托克斯问题解法时提出担忧，认为 Lean 实际验证的是一个比 OpenAI 所公布命题更弱的表述。关于 ETH 的反证是否已在 Lean 中形式化，各来源说法不一。底层模型并未公开，因此外部研究人员无法复现这些成果的生成过程，且上述三项主张均尚未得到独立证实。

对科学教育的意义

无论这些主张最终能否经受住审查，此事都展示了当 AI 系统生成候选证明的速度超过人类阅读速度时，研究工作可能呈现的形态。审查、解读和讲授这些成果，变得与发现它们同样重要。对学生和教师而言，现实的启示在于：机器生成的证明在被视为既定知识之前，仍然需要人类的理解、Lean 等形式化工具以及开放的讨论。

信息来源

本报道参考了 Gizmodo（2026年10月26日美国东部时间晚上8:13）、Dataconomy（2026年10月27日）的报道，以及 OpenAI 文章《与学术界合作构建科学认知》的摘要。文中提及作为起始参考的 The Verge 文章未能获取。