🖼️ 图文卡片 🏠 返回首页
前沿科技洞见 · 2026-08-02

当证明变得廉价：OpenAI Astra 如何把数学研究推进到“生成—形式化—追责”流水线

资料提供：前沿科技研究部
正在发生的事很多，这件帮你看过了

2026-08-02

一、一句话定义

Astra 最重要的变化，不是把数学榜单再推高几分，而是把前沿研究变成一条可观察的流水线：模型寻找论证，人机共同整理论文，模型把论证写成 Lean 证书，最后由人类说明贡献边界、解释过程并承担责任。

这还不是“自动数学家”。它提出的新问题是：当候选证明可以低成本批量生成并由机器逐步检查，数学共同体应把稀缺注意力放在哪里？答案已经不只是证明。

二、纵向分析：从会写 Lean，到批量交付研究结果

1. 2013—2021：先造一台不相信任何人的检查器

2013 年，Leonardo de Moura 在微软研究院启动 Lean，2014 年发布 0.1 版。Lean 用尽可能小、可独立实现的逻辑内核检查证明，把复杂自动化留在可信内核之外：无论证明由人、模型还是不可信的搜索系统生成，只要证明项通过检查，结论就在已声明公理和定义之下成立。Lean 官方历史

Mathlib 则提供可复用的定义、引理和策略。Lean 3 时代，它已有超过一百万行形式化数学；迁移到 Lean 4 后，Polynomial Freiman–Ruzsa 猜想形式化、Liquid Tensor Experiment 等项目证明它已能承载前沿研究。Mathlib 官方介绍

Astra 能一天发布十套证书，不只是模型推理变强，也因为十余年公共基础设施提前支付了“可验证数学”的固定成本。

2. 2022：OpenAI 第一次把语言模型接进证明搜索

2022 年 2 月，OpenAI 的神经定理证明器开始为已形式化的 Lean 命题生成 tactic 和数学项，再由 Lean 检查每一步。它把 miniF2F 最好成绩从 29.3% 提高到 41.2%，并通过八轮 statement curriculum learning，把新找到的证明反复变成训练数据。OpenAI：Solving (some) formal math olympiad problems

这套系统仍不负责选题、形式化真实问题或判断研究价值，但确立了关键分工：语言模型提出下一步，形式系统负责冷酷地说“不”。

3. 2024—2025：两条路线分叉，又重新汇合

2024 年，AlphaProof 与 AlphaGeometry 2 在 IMO 获得相当于银牌的 28 分；AlphaProof 将语言模型与 AlphaZero 式强化学习结合，在 Lean 中搜索证明，但需要专家来回翻译自然语言与形式语言，部分题目耗时三天。Google DeepMind：IMO 2024 银牌结果

2025 年，Gemini Deep Think 直接读取自然语言题面，在 4.5 小时内解出六题中的五题，以 35 分达到 IMO 金牌标准。Google DeepMind：IMO 2025 金牌结果

两条路线并非相互淘汰：探索阶段需要容忍模糊、类比和失败，交付阶段必须收紧到定义、引理和可检查步骤。

同年，OpenAI 从专用 Lean 证明器转向通用推理模型。GPT-5 的科学协作案例显示，模型能贡献文献检索、证明思路、反例和跨领域联想；但它也曾给出正确的编码理论论证，却未主动发现同一证明早已发表。OpenAI：Early experiments in accelerating science with GPT-5

正确性和原创性由此正式分家：证明可以正确却不新，也可以在自然语言中完整、形式化后才暴露定义错位。

4. 2025 年末—2026 年初：从比赛题迈向开放问题

2025 年 12 月，GPT-5.2 Thinking 在 FrontierMath Tier 1—3 上解出 40.3%；一个统计学习理论案例中，研究者未提供证明大纲，GPT-5.2 Pro 给出解法后由作者和外部专家审查，并推广到更高维和其他统计模型。OpenAI：Advancing science and math with GPT-5.2

2026 年 2 月的 First Proof 要求模型处理十个跨领域研究问题。OpenAI 最初认为至少五份大概率正确，但过程包含人工建议重试、根据专家反馈扩写和从多次尝试中挑选最佳版本，后来还撤回了对第 2 题的乐观判断。OpenAI：Our First Proof submissions

First Proof 说明，研究级评测不能只报通过率：人类提示、尝试次数、计算量和事后改判都会影响能力解释；专家审核也可能跟不上模型生成速度；“模型觉得自己正确”没有意义，结果必须交给模型之外的裁判。

5. 2026 年 5 月：单点里程碑证明“陌生连接”确实能产生新数学

2026 年 5 月，OpenAI 的内部通用模型推翻延续近八十年的 Erdős 平面单位距离问题主流猜想，以代数数论和离散几何之间的陌生连接构造出多项式改进。OpenAI：单位距离猜想反例

九位数学家随后核查、简化并推广结果，区分模型生成的数学内容与人类借助 Codex 改善的表述。Alon 等：Remarks on the disproof of the unit distance conjecture

这个案例展示了理想的“第二棒”：专家不只盖章，还重写论证、追溯思想并解释人类为何错过这条路径。机器首先扩大的可能不是智慧深度，而是扫过问题清单的注意力广度。

6. 2026 年 8 月：Astra 把单点成果推成批量交付

2026 年 8 月 1 日，OpenAI 一次发布十项数学与理论计算机科学结果，称这些问题至少十年未见主要进展；寻找十项解法所耗 Token 按 Sol API 价格约合 2,000 美元。OpenAI：Ten advances in mathematics and theoretical computer science

交付物包括 249 页研究合集、62 页 Mathematical Discovery Notes和十套 Lean 4 证书。仓库固定 Lean 4.32.0、Mathlib 和 Lake，并提供统一构建及 Comparator 独立检查入口。

代码能够构建，只说明 Lean 接受了形式化陈述的证明项；它不自动证明自然语言问题被准确形式化，也不替代专家对新颖性、重要性、可读性和既有文献的检查。

截至 2026 年 8 月 2 日，十项结果发布仅一天，共同体尚无足够时间完成独立消化。OpenAI 也未披露模型参数、训练方法、候选问题总数、失败数、搜索时长或多智能体编排结构。约 2,000 美元只是成功结果所用 Token 按公开 API 价格的折算，不是研究计划全成本，更不能推出“每解决一个开放问题只要 200 美元”。

三、横向分析：五种“AI 数学家”其实在做五种工作

| 系统 | 主要工作 | 验证方式 | 最强生态位 | 当前边界 | |---|---|---|---|---| | OpenAI Astra | 从自然语言开放问题生成论文、思路说明和 Lean 证书 | 事后形式化并开放代码 | 跨领域发现与完整交付链 | 候选池、失败率、编排和独立复核披露不足 | | DeepMind AlphaProof Nexus | 搜索已形式化命题的 Lean 证明 | Lean 编译器反馈、多子代理与进化协调 | 大规模、可测量的正式证明搜索 | 依赖高质量形式化题目和 Mathlib 覆盖 | | Gemini Aletheia | 探索自然语言研究题并生成论证 | 自然语言 verifier 修订、重做或拒答 | 文献浏览、自我批评和低成本迭代 | 形式保证较弱，专家仍是最终裁判 | | Harmonic Aristotle | 将自然语言或形式命题转为 Lean 证明 | 专用 Lean 搜索、非形式推理和几何求解器 | 面向数学家的垂直工作台 | 研究广度、开放过程与规模证据待观察 | | DeepMind AlphaEvolve | 优化可编程、可自动评分的算法与构造 | 确定性 evaluator 与进化搜索 | 可执行算法和组合构造 | 不适合无法稳定定义评分函数的理论问题 |

1. Astra：通用模型的优势是跨过学科边界

Astra 的核心赌注是：通用模型先在非形式世界中发现结构，再把结果压进形式系统。它能横跨多个方向，也更可能组合不同领域的现成零件；代价是生成能力不等于准确归因、选题判断或人类可复用的理论组织能力。

2. AlphaProof Nexus：把证明搜索做成可测量的工程

AlphaProof Nexus 让多个子代理依据 Lean 反馈独立搜索，再以进化算法协调。其最强代理在尝试的 353 个开放 Erdős 问题中解决 9 个，在 492 个 OEIS 猜想中证明 44 个；单个 Erdős 问题推理成本为数百美元。Advancing Mathematics Research with AI-Driven Formal Proof Search

Nexus 的优势是可测量尝试数、成功数和成本；代价是自然语言开放问题必须先被正确形式化。Astra 把探索面铺宽后向形式系统收口，Nexus 从形式系统内部扩大搜索，两者更可能拼接而非互相取代。

3. Aletheia：让模型学会承认“这次没解出来”

Aletheia 由 Gemini Deep Think 生成候选解，再交给自然语言 verifier；小问题修订，严重问题重做，也可直接承认失败，并能借助 Google Search 和网页浏览核对文献。Google DeepMind：Gemini Deep Think for scientific discovery

Aletheia 覆盖编译器无法表达的方向错误、虚假引用和既有结果，但软反馈的确定性弱于 Lean。它更像可反复交互的研究助理；Astra 更像完成长程项目后集中交付论文与证书的研究团队。

4. Aristotle：专用系统把“可信”放在品牌中心

Harmonic Aristotle 结合非形式推理、Lean 证明搜索和专用几何求解，在 2025 年 IMO 达到金牌水平。Aristotle 论文

它的竞争单位不是一次榜单证明，而是能否把自然语言草稿稳定转成可读、可维护、可复用的 Lean 代码。专注有利于打磨数学工作流，但基础模型进步也可能削弱部分专用脚手架优势。

5. AlphaEvolve：只要能自动评分，就能把发现变成进化

AlphaEvolve 让 Gemini 生成程序，由自动 evaluator 运行评分，再以进化框架保留和变异候选，已用于数据中心、芯片设计、AI 训练、矩阵乘法和组合数学。Google DeepMind：AlphaEvolve

只要候选能写成代码且优劣可自动计算，它就能建立高速反馈循环；定义不稳定、价值依赖解释的开放理论问题则难以放进这个框架。终局系统很可能把 Astra 的跨域探索、Nexus 的形式搜索、Aletheia 的自我批评、Aristotle 的日常工作流和 AlphaEvolve 的自动评分压进同一循环。

四、横纵交汇：Astra 改变的不是证明，而是稀缺性的分配

1. Astra 今天的位置，是三次“绕路”共同塑造的

2022 年，OpenAI 在 Lean 内练习“生成—检查—再训练”；2025 年，通用推理模型绕开形式语言，在自然语言和跨学科知识中扩大探索；2026 年，它重新回到 Lean，但把形式化放到发现之后。

这不是路线摇摆，而是阶段分工：探索要扩大候选思路，验证要减少信任，发表要恢复可读性、文献归因和责任主体。Astra 的生态位正是连接这三段。

2. “Lean 通过”解决了逻辑问题，没有解决翻译问题

Lean 真正保证的是：在特定形式定义、公理和依赖库下，证明项能够推出被编码的命题。自然语言问题若在形式化时漏掉条件，证明仍可能完美通过；Comparator 可以降低实现层面的信任，却不能判断形式命题是否就是原问题。

Terence Tao 因此主张由人类编写或仔细审查定理陈述，并为微妙定义增加类似软件单元测试的例子。Terence Tao：AI 观点动态总结

证明通过是必要条件，不是论文获共同体接纳的充分条件；代码让复核可以开始，不等于复核已经结束。

3. 成本下降最快的环节，会把压力转移给旁边的人

如果约 2,000 美元大致反映成功候选解的 Token 成本，那么生成成本已骤降，审查成本却没有同步下降。模型可以批量产出格式完整的候选论文，即使只有少量正确，也足以淹没稀缺的专家审核能力。

Leiden Declaration on AI and Mathematics警告，自动系统可能生成貌似可信的错误论证，形式化与人类概念之间也可能错译；廉价草稿还会挤压审稿、归因和青年研究者训练。

Astra 的真实成本还包括核对定理陈述、运行独立检查、文献查重、组织理解，以及错误发生后的修正责任。OpenAI 此次明确由系统生成数学论证、人类协助手稿与形式化并承担正确性责任；这种安排未必是最终制度，但比笼统的“AI 辅助”更可审计。

4. 数学研究的价值，会从“产出证明”向“组织理解”移动

证明越丰富，理解越昂贵。机器接受的长证明未必产生可迁移直觉；仅用于确认命题为真的形式化，与可进入公共库、可读、模块化、可复用的形式化，服务于不同目标。

更稀缺的工作将是选出有生成力的问题、测试定义、把偶然奏效的证明压缩为概念、连接结果形成理论、准确归因，并决定哪些机器结果值得共同体继续投入。单位距离案例已有九位数学家接过“第二棒”；Astra 一次交出十项结果，把这种需求放大了十倍。

5. 三个未来剧本

最可能的剧本：验证分层，研究流程半自动化

未来一到两年，更可能出现分层流程，而非直接交付“自动数学家”：模型扫题和查文献，独立模型批评候选，Lean 等证明助手检查关键结论，人类审查形式陈述与原创性，最后整理高价值结果。大量结果会停在“机器通过但尚未人类消化”，少部分进入专家审阅，更少部分正式出版。

最危险的剧本：证明通胀，信任成为新的算力瓶颈

最危险的不是一个惊天错误，而是一百万个“看起来值得检查”的结果。若实验室不披露候选池和失败率，证书验证的是弱化或错译命题，模型重组旧证明却遗漏引用，少数专家又被迫承担验证，数学文献会充满公式、代码和论证俱全、贡献却无人能确认的稿件。

最乐观的剧本：机器扩大注意力，人类重建理论

最乐观的路径是让机器扫描长期无人照看的问题、发现跨语言旧文献、测试被主流审美放弃的路线并承担可形式化的重复劳动；人类转向提出新对象、连接结果、建立理论和解释重要性。若开放模型、公共算力、独立实验室和 Mathlib 资产同步建设，验证后的结果还能回流公共数学，继续降低研究成本。

五、结论：十个答案之后，真正的问题才刚出现

Astra 把通用模型的跨域搜索、形式系统的可执行证书，以及人类的整理、归因与责任连接起来，因此值得认真对待。

但发布仍缺候选问题总数、失败率、完整计算账单、模型与编排细节，独立专家也尚未完成逐项消化。Astra 已经把“机器能否贡献研究级数学”从争论题变成工程题；它还没有把“机器能否独立承担数学研究”变成肯定句。

证明正在变便宜。定义、理解、归因、选题和信任不会自动跟着降价。真正的问题是：怎样让更多证明增加理解，而不只是增加文件。

信息来源

内容由AI辅助生成，请谨慎甄别。资讯分享仅供参考，相关观点不代表主观立场，不构成任何形式的投资建议。

🏠 返回首页
图文卡片 ⬇️ 一键下载图文卡片