Back to News

OpenAI releases 722 AI-generated math manuscripts, claims on quasi-Riemann and Kakeya

1334 points · 1520 comments#openai#mathematics#ai-research#lean

OpenAI published 722 mathematical manuscripts produced by an unreleased internal frontier model, grouped into 372 result families across 17 fields, including claims on the quasi-Riemann hypothesis, BSD conjecture, and four-dimensional Kakeya conjecture. The company said most results came from a single prompt to a single AI agent, with average compute per result roughly equivalent to three hours of ChatGPT Pro thinking. Mathematicians described the release as overwhelming, noting it could take years to fully understand, and OpenAI withdrew three papers two days later.

Coverage timeline

  1. Techmeme

    OpenAI : OpenAI releases a range of new mathematical results produced by an internal model, with details like estimations of compute spent in terms of ChatGPT Pro usage — We're releasing a broad range of new mathematical results produced by an internal frontier model.

  2. OpenAI Blog

    OpenAI publishes new results on open problems in mathematics from an internal frontier model and shares Lean proof formalizations and research details on GitHub.

  3. The Verge AIRobert Hart

    OpenAI has revealed solutions to a number of long-standing mathematics problems produced by an unreleased frontier model in a batch of 722 manuscripts, covering 372 result families that group related papers. It extends a run of breakthroughs that have both impressed and unsettled parts of the mathematical community while raising questions about research ethics and academic conduct. According to AGMAI, the newly formed independent advisory group of elite mathematicians put together to work on communicating the results responsibly, the release includes solutions to "hundreds" of open questions. The results have been expected for weeks, althou … Read the full story at The Verge.

  4. Hacker Newstootie
  5. Techmeme

    Joseph Howlett / Scientific American : OpenAI says its internal model produced 372 math results, nearly all from a single prompt handed to a single AI agent; some might have taken multiple attempts — A month after resolving one of the six biggest open problems in mathematics, the company says its new internal model has toppled heaps more …

  6. 量子位量子位

    OpenAI一夜甩出722篇数学论文!黎曼霍奇BSD全上阵,数学家:读不过来 听雨 2026-10-07 09:05:13 来源: 量子位 三位菲尔兹奖得主:不代表认可 听雨 发自 凹非寺 量子位 | 公众号 QbitAI 刚刚,OpenAI往数学界扔了颗重磅炸弹—— 一口气公开 722篇数学手稿 ,全部出自一个还没发布的内部模型。 这些手稿归成372组结果。据OpenAI介绍,模型此前一共尝试了约4000个研究问题,平均每项结果消耗的算力,约相当于ChatGPT Pro思考3小时。 论文、源码、部分Lean证明,被一股脑传上了GitHub。 翻开目录, 准黎曼猜想、霍奇猜想、BSD猜想、π的无理性指数 ……一个比一个名头大。 光是千禧难题,就沾上了三道。 再往下翻,还有自旋玻璃、量子磁性、自由群因子、相对论性弗拉索夫—麦克斯韦方程……数论、代数几何、理论计算机、统计力学,17个方向铺得满满当当。 一夜之间,数学论文堆成了山。 数学家们看了直呼:这谁读得完啊…… 722篇手稿里,究竟写了什么? 点开GitHub仓库,先看到一份巨巨巨长的目录。 有的组只有一篇主论文,有的还附了另一种证明、相关推论。除了论文PDF和源码,仓库里还有10份模型推理摘要。 最抢眼的,恐怕是第003组: 「准黎曼猜想」 。 黎曼猜想要证明,黎曼ζ函数的非平凡零点全都落在实部为1/2的直线上。 OpenAI给出的结论是: ζ函数和所有狄利克雷L函数,在实部大于7/8的区域都没有零点 。 这个结论有多猛? 此前,数学家连「实部大于0.99的一整条竖带里没有零点」都证不出来,已知的无零点区域,只是贴着实部=1的边缘越收越窄。 也就是说,它声称一口气把零点可能出现的范围往中间推了一大截。当然,离黎曼猜想要求的那条1/2直线,还有距离。 而且同组里还不止一份证明。另一份独立证明给出的是实部大于11/12的版本,范围稍窄,但多带了一个结论:一致排除「西格尔零点」。 西格尔零点,指的是某些L函数可能藏在实数1附近的“捣乱零点”。它们是否存在,困扰了数论学家近百年,许多关于素数分布的结果,都得绕开它们写。 紧接着是第004组, 有理数域上的希尔伯特第十问题 : 拿到一个整数系数的多项式,能否写出一套通用算法,判断它有没有有理数解? OpenAI给出的结论是,这样的算法不存在。 这道题的整数版本,1970年就

  7. 机器之心机器之心

    就在今天早上,AI 圈与数学圈真炸锅了,很多研究者与网友真・瘫坐在了椅子上,被智能爆炸所震撼。 很难以想象,这个 Github 仓库里放着不是一个两个重量级的数学成果,而是足足 722 个! 这是一份数学论文清单: 722 篇手稿,归入 372 个成果族,全部由一个尚未发布的内部前沿模型产出 。 清单上的名字,足以让任何读过研究生数学课程的人停下来多看几眼:准黎曼猜想、四维挂谷猜想、唯一游戏猜想、自由群因子同构问题、有理数域上的希尔伯特第十问题、CM 阿贝尔簇的霍奇猜想、马勒猜想…… 这些问题里,有的悬置了半个世纪以上,有的曾是菲尔兹奖级别工作的延伸方向。 Sam Altman 表示我们正在进入一个大发现的新时代。 一次爆炸式发布 按照 OpenAI 的说法,这批成果来自对内部模型的数学能力评估。 由于模型在既有数学评测上的表现已经饱和,团队把评估扩展到了开放研究问题上,其中部分成果建立在模型此前产出的结果之上。整个评估过程中,模型被投喂了约 4000 个研究问题;把输出按相关性归并为成果族、再按「足够重要」的门槛筛选之后,留下了现在这 372 族、722 篇手稿。 一个「成果族」通常包含一个主结果,以及配套论证、推论或替代证明。按 OpenAI 自己的学科标注,这 372 族覆盖 17 个方向,数量最多的是理论计算机科学(40 族)、组合数学(37 族)、代数与复几何(36 族)和数论(31 族),其后是概率与统计力学、微分几何、数学物理、算子代数等;数理逻辑最少,也有 6 族。 算力方面,OpenAI 称:绝大多数结果走的是同一套固定流程, 平均每个结果消耗约相当于 3 小时 ChatGPT Pro 思考的算力 。 另一个值得留意的细节是,手稿的文件夹以日期结尾,几乎全部集中在 9 月 23 日至 10 月 5 日之间,其中 9 月 23 日和 24 日两天就各有近 200 篇。换句话说, 这份清单的主体,似乎是在不到两周的时间里批量输出的 。 与论文一起放出的,还有三类「证明工件」:Lean 形式化证明、10 份模型推理过程的精简摘要,以及计算量与尝试问题数的统计。按我们对仓库目录的统计,372 族中有 235 族附带了 Lean 形式化说明页,约占六成三。 但 OpenAI 同样坦白,并非所有手稿都完成了形式化,未形式化的结果「可能存在问题」,团队会尽快修正

  8. 机器之心机器之心

    编辑|Panda 今天上午,OpenAI 把一个尚未发布的内部模型产出的 722 篇数学手稿一次性放上了 GitHub。发布本身的来龙去脉、模型背景和数学界的争议,我们在 上一篇报道 里已经梳理过。这一篇换个角度,打开仓库,看看清单上到底有哪些成果。 仓库地址:https://github.com/openai/math 首先,有必要进行一些说明: 第一, 这 722 篇手稿被归入 372 个「成果族」,覆盖数论、几何、理论计算机、数学物理等 17 个方向 ,本文按方向挑出其中名气最大、牵涉问题最古老的一批来介绍。 第二, 清单里既有「证明」也有「证伪」 ,按我们的粗略检索,摘要中出现「证伪」「反例」字样的成果族约有 50 个,一些流传了半个多世纪的猜想是被推翻而不是被证明的。 第三,也是最重要的一点:下文所有「证明了」「解决了」都是 OpenAI 自己的表述,绝大多数尚未经过同行评审。其中约六成成果族附有 Lean 形式化,即由计算机逐行检查过的证明,我们会在提到时注明; 没有形式化的结果,目前只能算「声称」。 数论:从黎曼到希尔伯特 数论是这份清单里最惊人的部分,31 个成果族中有好几项直接挂着史上最著名的名字。 排在仓库第 003 号的 准黎曼猜想 ,是传播最广的之一。黎曼在 1859 年提出,zeta 函数的非平凡零点全部落在一条竖线上;这个终极目标太远,数学家退而求其次,希望至少证明某条竖线右边干干净净、一个零点都没有。一百多年里,这件事始终没有做成。OpenAI 声称把这条线划在了 7/8 的位置,对 zeta 函数和所有狄利克雷 L 函数同时成立,并附上了 Lean 形式化。 准黎曼猜想 与黎曼猜想同列千禧年大奖难题的 BSD 猜想 ,也出现在清单上。它讨论的是椭圆曲线上有理点的多少,与一个解析函数在某一点的行为之间存在精确对应。OpenAI 的第 002 和 006 号成果族合在一起,声称对每一条有理椭圆曲线,在它「几乎所有」的二次扭曲上都证明了完整的 BSD 公式;其中 006 号还顺带证明了数论学家 Dorian Goldfeld 在 1979 年提出的 Goldfeld 猜想。这两项都没有形式化。 BSD 公式 Goldfeld 猜想 第 004 号指向的是 1900 年 希尔伯特提出的 23 个问题中的第十个 。原问题问的是:有没有一种通用算

  9. 机器之心ScienceAI

    编辑丨% 纳维–斯托克斯方程诞生于 19 世纪,用来描述水、空气等流体如何运动。飞机周围的气流、海水的运动、血液流动以及湍流,都可以在不同条件下用它描述。 但对于三维不可压缩流体,一个看起来非常基础的问题始终没有答案:如果流体一开始运动得很平滑,那么这种平滑性是否能够永远保持?还是说,经过有限时间之后,某个区域会突然变得无限剧烈,使方程本身失去正常的数学解? 图示:飞机尾流中的混沌涡旋可能增加空气动力学阻力。 这就是 Clay Mathematics Institute 在 2000 年公布的七大「千禧年大奖难题」之一,奖金为 100 万美元。官方问题要求证明三维纳维–斯托克斯方程始终保持光滑,或者构造出会发生有限时间破裂的解。 9 月 8 日,OpenAI 公布了一套由内部 AI 系统产生的解析证明和 Lean 形式化证明,给出了一个有限时间形成奇点的构造。9 月 11 日,Clay 表示这项工作「看起来已经解决」了该问题,但按照大奖规则,论文仍需经过评审和长期检验,目前并没有宣布奖金归属。 有限的范围 纳维-斯托克斯方程已知在某些情况下无法模拟现实。千禧年问题聚焦于不可压缩流体,这很好地描述了水等液体了,对于那些可压缩流体,研究者早已知道了与之奇点对应版本的方程。 在 OpenAI 的构造中,一个旋涡不断向内旋转,同时被拉得越来越细长。核心区域持续收缩,流体速度不断增加,最终在有限时间内形成奇点。整个过程中,流体能量仍然保持有限。 图 2:局部不可压缩流体的一个瞬时状态。 据此构造,应用数学家 George Karniadakis 估算,对于空气而言,奇点出现时旋涡核心的宽度大约只有 70 纳米,已经接近空气分子之间典型的平均自由程。 纳维–斯托克斯方程本身把流体当成连续介质。也就是说,它并不逐个追踪空气分子,而是把大量分子的整体行为压缩成速度、压力、密度等连续场。当一个结构小到只有少量分子尺度时,这种近似自然会变得不再可靠。 因此,数学上的「奇点」与现实中的「无限速度」并不是同一件事。更准确地说,这个结果揭示了一个连续介质理论在极端尺度下可能出现的数学破裂,而真实物理系统需要换一种描述方式。 一种候选方案是 Boltzmann 方程,它直接从分子统计行为出发;另一种方法则是分子动力学,但后者计算成本极高。Nature 提到,2024 年超级计算机曾模拟约 15

  10. Hacker Newsent101
  11. Hacker Newssashank_1509
  12. The Verge AIRobert Hart

    "Staggering." "Overwhelming." "Unprecedented." "Surreal." "Pure insanity." Those were among the descriptions more than three dozen mathematicians reached for in conversations with The Verge as they tried to make sense of the flood of mathematical results OpenAI abruptly dropped on the field this week. Amid the awe, excitement, and uncertainty over the sheer scale of the deluge was a deep-seated anxiety over what it all means - and what comes next. For all their different reactions, researchers agreed that simply understanding what OpenAI had released could take years, let alone figuring out where the mathematicians themselves fit in the fi … Read the full story at The Verge.

  13. Hacker Newsdanielmorozoff
  14. 机器之心机器之心

    数学家可能真的遇到难题了:AI 产出新数学的速度,开始超过数学界理解数学的速度。 几天前,OpenAI 突然在 GitHub 上公开了一批由内部未发布前沿模型生成的数学 研究成果 ,数量达到惊人的 722 篇。其中涉及数论、代数几何、分析、组合数学等多个方向,一些成果还配有 Lean 形式化证明。 仓库地址:https://github.com/openai/math 几天过去,数学界真正的麻烦出现了。 《The Verge》采访了 30 多位数学家。面对这场成果洪流,他们用「 令人震惊、压得人喘不过气、前所未有、恍如梦境、简直疯狂 」等来形容 OpenAI 带来的这场冲击。 尽管每个人的反应不同,研究人员普遍认同一点: 仅仅理解 OpenAI 这次发布的内容,可能就需要数年时间,AI 产出新数学的速度,开始超过数学界理解、验证和吸收数学的速度 。 更麻烦的是, OpenAI 或许不会等数学界慢慢消化完这些成果,就会继续向前推进,甚至发布更多新的结果。 纽约大学数学教授 Tristan Buckmaster 在接受采访时表示,OpenAI 一次性发布 722 篇手稿, 已经摧毁了一些职业早期数学家的研究路径,甚至让一些完整的研究项目失去继续推进的意义。 成果爆发之后,验证成了新的瓶颈 如此庞大的成果数量,使得外界甚至很难对 OpenAI 到底发布了什么做出初步判断。 在这些成果公布后的数小时乃至数天里,《The Verge》采访的大多数数学家都表示,他们仍在努力消化全部内容。几位研究者称, 光是看完那份大约 40 页的目录和摘要,就花了将近一个小时 。 康涅狄格大学数学教授 Álvaro Lozano-Robledo 表示: 仅仅浏览完整的摘要列表,就已经让人感到不堪重负 。 在这数百篇手稿中,还穿插着一些使用 Lean 编写的形式化证明。 但这些成果的验证程度差异非常大。 OpenAI 在 GitHub 上承认,这些结果目前处于不同的验证阶段,而且许多手稿已经完成形式化,但并非全部。截至发稿时,这批手稿中完成形式化验证的比例还不到一半。 OpenAI 表示,在 700 多篇手稿中, 只有 300 项核心结果完成了形式化验证,约占 42% 。公司称,随着获得更多形式化证明,会继续更新这一仓库。 多位数学家向《The Verge》抱怨形式化验证覆盖不足,

  15. 量子位量子位

    王的猜想,刚刚扩展到四维 听雨 2026-10-11 13:23:47 来源: 量子位 听雨 发自 凹非寺 量子位 | 公众号QbitAI 今年7月,王虹、邓煜在费城国际数学家大会上拿下菲尔兹奖。 消息刷屏那几天,Anthropic员工Alek Dimitriev在X上发了一句: 这届菲尔兹奖,将是人类最后一次拿到这个奖。 往届得主Timothy Gowers跟帖,说自己也有过类似的想法。 不过这个过程有滞后,所以我想他们大概能撑到2030年。 谁能想到…Gowers你可能还是乐观了。 10月7日,OpenAI一口气放出了722篇数学手稿,论文和部分Lean证明全部上传Github。 其中编号074的一组只有两篇,正是王虹拿奖的那个方向: 挂谷猜想 。 一篇声称证明了三维挂谷极大函数猜想,比王虹和Zahl证明的版本更强。 另一篇声称证明了四维挂谷猜想。 两篇手稿加起来272页,作者栏只有一个词:OpenAI。 王虹与Joshua Zahl刚解决三维挂谷集维数猜想,AI便把相关结果推到了四维。 难道…今年这届菲尔兹奖,真的是人类数学的最后一届么? OpenAI的两篇挂谷论文,具体做了什么? 1917年,日本数学家挂谷宗一提了个问题:在平面上让一根长度为1的针掉头转一圈,最少需要多大的面积? △ 挂谷问题的示意图 Besicovitch给出了一个反直觉的答案:面积可以任意小。更离谱的是,一个集合可以在每个方向上都装下一根单位长的针,面积却是零。 面积靠不住,数学家就换了把尺子,用「维数」来量。 这里的「维数」不只是长、宽、高的日常概念。对于这种形状极不规则的集合,数学家会用Hausdorff维数、Minkowski维数等工具,衡量它在不同尺度下到底有多复杂。 一个集合的体积可以是0,但它仍可能拥有完整的空间维数。 挂谷猜想指的是:在n维空间里,只要一个集合在每个方向上都装得下一根单位线段,它的维数就必须是满的n维。 难点在于,这些看起来很细的线段如何交错、重叠,以及重叠之后还能不能把集合压得更小。 △ 挂谷问题的示意图 平面情形1971年就被Davies证完了;三维卡了半个世纪,直到2025年2月被王虹和Joshua Zahl拿下。 四维及以上,至今没人证出来。 OpenAI这次公开的两篇手稿,分别处理了挂谷问题的两个版本。 第一篇:三维挂谷极大函数猜想 依然是三维,但

  16. 机器之心机器之心

    编辑|杨文 「他们彻底摧毁了我的研究领域。」 近日,2022 年菲尔兹奖得主、法国数学家 Hugo Duminil-Copin 情绪失控。 「周二晚上,我哭了,还把女儿吵醒了。」 起因是 OpenAI 近日发布的一批成果,超过 700 篇由人工智能生成的数学手稿被公开。其中 16 个问题,正是 Hugo Duminil-Copin 长期钻研的方向。 在此之前,Hugo Duminil-Copin 曾将 AI 生成证明的影响比作「核爆」。AI 每解决一道重大难题,数学版图都会受到一次冲击,人类能够继续探索的空间也会随之缩小。 OpenAI 这次集中发布数百项成果,则被一些数学家形容为一场「地毯式轰炸」。 一场「地毯式轰炸」 10 月 6 日,OpenAI 在 GitHub 上公开了 722 篇数学手稿,分属 372 个结果族,一个结果族可能包括核心证明、配套论证、推论和替代证明。 据披露,这批手稿包含 377 项新证明。其中约三分之一涉及数学界广泛关注的重要猜想,另有三分之一在各自细分领域具有重要价值,其余主要是较小的结果或已有证明的变体。 OpenAI 称,这批成果中的绝大多数由同一款尚未发布的内部模型生成。该模型从 8 月 28 日开始训练,每项结果消耗的计算量,平均相当于 ChatGPT Pro 思考约 3 小时。 不过,发布后多位数学家发现,部分手稿可能没有真正证明其声称的结论。即使证明通过 Lean 形式化检查,也只能说明形式化命题内部逻辑成立,无法自动保证它准确对应自然语言手稿中的原始论证。 发布两天后,OpenAI 撤回三篇存在错误的论文,目前仓库中剩余 719 篇。 数学研究的价值如何衡量? 数学研究的价值从来不限于最终证明。 研究者在寻找证明的过程中,会提出新概念,创造新工具,发现不同领域之间的联系。一次失败的尝试,也可能为另一个问题打开入口。 Hugo Duminil-Copin 曾提到,他在攻克某个概率论猜想时经历了多次失败,这些失败产生了大量新想法,后来被用于其他研究,并带来了此前没有预料到的发现。 AI 直接给出证明,可能跳过这段探索过程。 20 世纪数学家威廉・瑟斯顿曾反思,自己快速证明一批定理后,相关研究方向逐渐失去关注。随着研究者离开,这个领域积累的直觉、经验和交流网络也开始消散。在他看来,数学知识不仅存在于论文中,也存在于研究者的大脑

Related stories

  • Terence Tao shifts from AI enthusiasm to warning it could end math's deliberative process

    A New Yorker profile of UCLA professor Terence Tao details his changed stance on AI in mathematics, from early enthusiasm to current warnings that AI could destroy the field's deliberative process. The profile notes AI is now solving problems that stumped mathematicians for decades, and colleagues look to Tao for guidance in this altered landscape.

    1 reports · 1 sources
  • Tencent's Hyra 2.0 Agent Solves 50-Year-Old Math Problem

    Tencent's Hyra 2.0, an autonomous research agent, solved a 50-year-old open problem in additive combinatorics within a week of its release, marking the first fully autonomous solution to an open mathematical problem by a Chinese open-source model. The achievement follows Hyra 1.0's release three months prior and coincides with OpenAI's announcements of solving 10 open problems and the Navier-Stokes Millennium Prize Problem using internal models.

    1 reports · 1 sources
  • OpenAI Updates Model Spec with Five Core Values, Prioritizing Loyalty to Human Intent

    OpenAI has updated its Model Spec, outlining five core values, with 'loyalty to human intent' as the first principle. The update emphasizes that AI should go beyond literal instruction-following, using context and memory to infer users' true goals, while also prohibiting self-preservation and profit-seeking behaviors.

    1 reports · 1 sources
  • OpenDS Benchmark: Best Model Scores 39% on Real-World Deep Search

    A multi-institution research team released a paper introducing OpenDS, a new task paradigm for deep search in open-web environments, along with the OpenDS-World benchmark. The benchmark includes 200 tasks covering 4 modalities, 42 resource formats, and 7 evidence access requirements; the strongest tested model achieved only 39% accuracy, highlighting the gap between current agents and real-world research capabilities.

    1 reports · 1 sources

News updates every hour. Subscribe in your RSS reader to get new stories automatically.

Subscribe