OpenAI公开数学证明：可信度该看哪一层

据 OpenAI 10 月 6 日发布的《Sharing AI progress in mathematics》其内部前沿模型针对数学开放问题产生了新的研究成果相关 Lean 形式化证明和研究细节已在 GitHub 公开并提供预印本目录。对开发者和技术负责人来说这条消息值得关注AI 数学能力有了可供检查的研究材料。但从“公开证明”走到“可信的数学突破”还要回答几个不同的问题。发布、证明检查、独立评价各自支持不同的结论。公开材料让判断有了入口此次发布可以确认的进展是 OpenAI 报告了内部模型的数学研究成果并开放了配套材料。读者可以沿着研究说明、预印本和形式化证明继续核查不必只依赖新闻标题。不过现有节选没有给出具体问题、定理条件、证明检查结果也没有呈现模型与人类研究者的贡献分工及独立评价。这些信息决定了成果的边界目前不足以据此认定某个开放问题已经获得独立验证。GitHub 仓库的价值在于把成果变成可检查的对象。上传文件本身还不能回答这些文件证明了什么。Lean 检查的是哪一个命题Lean 的核心价值是让形式化证明接受机器检查。自然语言论文中可能被省略的推导在形式化过程中需要落实为明确的定义、前提和证明步骤。这里要分清两件事仓库提供了 Lean 证明材料以及这些材料在明确环境下通过了检查。前者是公开行为后者需要对应的运行结果和检查说明。即便检查通过仍要核对形式化命题与论文主张是否一致。举一个假设例子论文讨论所有满足条件 A 的对象代码证明的却是同时满足 A、B 的对象。代码可以正确结论范围却更窄。所以**证明检查通过支持的是特定前提下的特定形式化命题。**它不能自动替代对原问题范围、定义对应关系和成果新颖性的判断。数学成果与模型能力要分别评价独立研究评价还要追问这个结论此前是否已知新增了什么附加条件是否改变了原问题公开证明覆盖了核心结论还是其中一个环节Hacker News 已出现对应讨论但讨论数量不能承担这些判断。条目链接指向 OpenAI 原文也不会因此增加一个独立验证来源。评价模型科研能力还需要另一组证据模型提出了关键思路还是完成形式化人类提供了多少提示、筛选和修正缺少贡献分工就无法把一份正确成果直接换算成模型的独立研究能力更不能外推到现有产品的表现。我的判断是此次发布值得作为 AI 科研进展跟踪公开证明也提高了进一步核查的可能性。要判断某项成果是否构成可信的数学突破应先从预印本确认定理与条件再到仓库核对证明覆盖范围和检查结果最后看独立研究者如何评价其正确性与新颖性。目前最稳妥的结论是 OpenAI 已公开可供检查的数学研究材料。对具体突破的信任需要落到具体命题和验证证据上。参考资料OpenAI News《Sharing AI progress in mathematics》2026 年 10 月 6 日。Hacker News《Sharing AI progress in mathematics》条目及所给讨论核查记录。