返回探索
资讯VibeFix 内容整理更新于 2026年11月21日

Claude 与数学家宣称证出黎曼猜想:25 万页写不下,1,737 万行 Lean 代码通过机器检验

2026 年 11 月 20 日,Anthropic 数学家莱文特·阿尔珀格贴出四页短文,宣称与 Claude 一起发现了黎曼猜想的证明,方法亦解决广义黎曼猜想。证明只以 Lean 代码形式发布:175,187 个文件、约 1,737 万行。MIT 的萨瑟兰独立编译零错误,Lean 与 Mathlib 社区认证正确,但尚无人读懂整份证明。

一名男子背对镜头站在写满数学公式的黑板前,右手举粉笔正在书写,黑板上密密麻麻写着积分、求和符号与几何图形

一句话:数学史上最难的一道题,突然有了一个“只有机器读过”的答案

2026 年 11 月 20 日,Anthropic 的数学家莱文特·阿尔珀格(Levent Alpöge)在个人网站上贴出一份只有四页的短文《Remark》,第一句话就把全世界数学界炸醒了:“我相信,我与 Claude 一起,发现了黎曼猜想的证明。”同一句话里他还加了一码:用的方法还能顺带解决更广的广义黎曼猜想。没有论文,没有同行评议,只有一份四页说明和一份拆成 14 个压缩包的 Lean 形式化证明——总共 175,187 个文件、约 1,737 万行代码。截至 11 月 21 日晚,Lean 与 Mathlib 社区发表联合声明,认证这份证明的陈述与证明都是正确的;《科学美国人》同日的更新也称,关键的比对检查已经完成。但先把结论说在前面:这是一次“机器已经点头、人类还没读懂”的宣称,离“数学界接受黎曼猜想已被证明”还有一段路要走。本文就是要把这两层分开讲清楚。

这件事值得单独写一篇,不只是因为黎曼猜想的名头大。它是第一次有人用“只有机器读过的证明”来认领千禧年大奖难题,也是第一次把“AI 到底在数学里扮演什么角色”这个问题,从“帮忙算算”推到了“帮忙想出来”的位置。阿尔珀格自己在短文里写得毫不掩饰:到了最后关头,Claude“远远超过了我。不,Claude 在终点线附近简直是在飞翔、在舞蹈、在闪耀。”对每天用 AI 写代码的人来说,这件事的冲击是直接的:一个模型不只是在补全代码、修修测试,它参与了一场持续 41 天、横跨整个数论的攻坚,并且在关键处提出了人类作者自己承认“没想到”的点子。至于这个点子最后能不能站住,机器检验已经给了初步答案,人类理解还在路上。

先把问题说清楚:黎曼猜想到底在问什么

黎曼猜想是 1859 年德国数学家黎曼提出的一个猜想,问的是素数分布的规律。素数就是只能被 1 和自身整除的数:2、3、5、7、11……它们在数轴上出现得越来越稀疏,但又毫无规律可言。黎曼把这个问题翻译成了一个关于黎曼 zeta 函数的问题:这个函数所有“非平凡零点”是不是都落在一条特定的竖直线上——实部等于二分之一的那条线,也就是数学家说的“临界线”。如果答案是肯定的,素数的分布就受到一种极强的约束,很多关于素数的定理都能被大大改进;如果答案是否定的,现代数论的很多大厦都要重新打地基。

这个猜想从 1859 年到今天已经悬了 167 年。2000 年,克雷数学研究所把它列为七个千禧年大奖难题之一,解出一个奖 100 万美元,至今七个里还没有一个被正式认定解决。它的“广义”版本更进一步:不只问黎曼 zeta 函数,还问一整族相关的狄利克雷 L 函数是不是也都满足同样的规律。阿尔珀格宣称的,正是这两个一起解决。他的短文里还留了一句:有了更多时间,他预期连更广的“扩展黎曼猜想”也能拿下。口气很大,但这一次,他手里拿着一份机器已经验过的东西,而不是一张空头支票。

这份“证明”到底长什么样:四页纸,加 1,737 万行代码

先看发布的形态,因为形态本身就是新闻。阿尔珀格没有发论文,而是只发了两样东西:一份四页的短文,和一份 Lean 形式化证明。Lean 是一种证明助手语言,数学家用它把定理和证明写成机器能逐行检查的代码;代码能无错编译,通常就意味着每一步逻辑都站得住脚。短文里解释了为什么不发论文:把论证写成人类能读的文字,草稿已经超过了 25 万页。阿尔珀格自己管那份草稿叫“垃圾”(slop),认为贴出来毫无意义,于是只贴了 Lean 代码。他还坦白说,自己尚未完全掌握论证涉及的全部数学,接下来要努力理解它、把它讲清楚、写成正式的文章。

短文里给出的思路梗概,是一条能让数论学家“从椅子上掉下来”的线。论证是斯捷潘诺夫(Stepanov)方法的后代:斯捷潘诺夫当年用带“重数”的除子解决了函数域上的黎曼猜想,而在整数这边,重数很难找到——它对应着“对整数求导”这种近乎不可能的事。阿尔珀格说,他把 Claude 引向了两个在玩具模型里同时出现的想法,而 Claude 提出的关键一步,是把一串 theta 提升(theta lifts)链起来:对长度为 X 的冯·曼戈尔特和,Claude 建议的提升链长度约为 X 的平方根,每一级提升模拟一份重数,层层叠加把缺失的重数补回来。短文里的时间线一共 20 步,从 2026 年 10 月 6 日的斯捷潘诺夫行列式开始,到 11 月 15 日深夜敲定迭代 theta 提升、11 月 16 日推出广义黎曼猜想为止,整整 41 天。阿尔珀格说,他负责指方向,Claude 负责在技术上往前冲;短文里那些 Claude 才是专家的部分,他坦承自己只是在转述一份模型写的摘要,“可能毫无意义”,“Lean 代码自会澄清一切”。

光看规模就知道这不是一次普通的发布:14 个压缩包合起来 239.3MB,解开后是 175,187 个 Lean 文件、约 1,737 万行代码,导出的证明数据有 61.6GB。想自己复核的人,萨瑟兰的验证页上写得明明白白:大约需要 100GB 内存和 70GB 磁盘。这已经不是“下载下来跑一跑”的量级,而是一次需要集群的验证工程。

从 2026 年 10 月 6 日到 11 月 21 日的时间线:10 月 6 日开始攻坚,11 月 15 日深夜敲定迭代 theta 提升,11 月 16 日推出广义黎曼猜想,11 月 20 日公开四页短文与 Lean 代码,11 月 21 日 Lean 与 Mathlib 社区发表联合声明认证证明正确

时间线值得单独拎出来看,因为它回答了一个很多人会问的问题:这 41 天里到底发生了什么?10 月 6 日,斯捷潘诺夫行列式起步;10 月中下旬,团队在 qN = Mk + R 的恒等式、迹公式和相对迹公式之间来回试探;11 月 15 日深夜,迭代 theta 提升的链条终于接上,阿尔珀格在短文里写道,那一刻他给 Anthropic 首席执行官达里奥·阿莫代发了消息,试探自己能不能公开;11 月 16 日,广义黎曼猜想的部分也落袋;11 月 20 日,四页短文和 14 个压缩包上线;11 月 21 日,Lean 与 Mathlib 社区发表联合声明。整个过程快得反常——按数学界的尺度,一个千禧年难题从“有想法”到“有证明”通常以年计,这里只用了六周。这正是支持者觉得振奋、怀疑者觉得不安的同一点:速度本身既是证据,也是疑点。

机器是怎么验的:五道关,一道比一道硬

这篇报道里最扎实的部分,是 11 月 20 日到 21 日之间由麻省理工学院的安德鲁·萨瑟兰(Andrew Sutherland)牵头、整个 Lean 社区参与的验证。萨瑟兰在麻省理工的验证页上公开了每一项检查的结果,值得逐项讲,因为它们回答的是五个不同的问题,而每一个问题都曾经是合理的怀疑。

第一关:代码能不能编译。175,187 个模块在 Lean 4.33.1 与 Mathlib 4.33.1 下全部编译通过,零错误,11 月 20 日 16 点 43 分完成。编译通过本身还只是入场券,但 17 万多个模块零错误,已经排除了“代码根本跑不起来”的可能。

第二关:证明有没有偷偷加假设。Lean 里可以用“#print axioms”命令查一个定理依赖了哪些公理。五个主定理只依赖三条标准公理——propext、Classical.choice 和 Quot.sound,没有任何额外假设。环境里一共 15 条公理,也全部来自 Lean 核心库。这一关排除了“证明里藏了个没人注意的前提”的可能。

第三关:证明的是不是黎曼猜想本身,而不是一个长得很像的命题。这是最容易出猫腻的地方:你完全可以在 Lean 里证明一个自己重新定义过的“黎曼猜想”。萨瑟兰的验证页上写明,五个主定理的陈述用的是 Mathlib 自己的定义——每个 zeta 零点除平凡零点外实部都是二分之一;广义版本覆盖所有模数、所有狄利克雷特征的 L 函数。社区还专门加了一个只导入 Mathlib 的文件来隔离陈述,再用 comparator 和 con-leche --compare 两个独立工具比对,确认阿尔珀格证明的定理与 Mathlib 的陈述完全一致。

第四关:换个内核再验一遍。Lean 自己的内核重放(leanchecker)通过了全部 175,187 个模块;用 Rust 写的独立内核 nanoda 在 80 个线程上花 27 分 42 秒接受了完整导出;con-leche 在 64 个线程上花 3 分 15 秒接受了 1,468,418 条声明;lean4lean 逐模块通过了全部 175,187 个模块,其中 5 个模块在默认步数上限下超时、提高上限后重跑通过。多内核交叉的意义在于:即便 Lean 自己的内核有个未知漏洞,别的内核也不太可能同时有同一个漏洞。

第五关:不依赖 zeta 函数本身的算术交叉检验。萨瑟兰把这份证明与另一份独立的 Robin1984 形式化结合起来——后者用完全不提 zeta 函数的语言表述了与黎曼猜想等价的 Robin 不等式与 Lagarias 不等式。结合后的两个不等式照样通过编译与多内核检验。这一关的价值在于:它不依赖 Mathlib 对 zeta 函数的定义是否“符合直觉”,而是直接落到关于除数和的初等不等式上。

还有一道关在发稿时留了尾巴:官方的 lake comparator 全量复核。萨瑟兰的页面在 11 月 21 日 12 点 55 分(UTC)的快照里写着,主证明的 comparator 全量运行和 Lean 内核重放仍在进行中;但同一页也记录了 Robin 结合版的 comparator 已经跑通并输出“Your solution is okay!”。而《科学美国人》在 11 月 21 日 16 点 45 分的更新里写道,那次比对运行“现在已经完成”;Lean 与 Mathlib 社区当晚的联合声明则直接认证“陈述与证明都是正确的”。时间线上有半天左右的口径差,根源是各项检查在 11 月 21 日当天陆续收尾、不同页面的刷新时间不同。本文以较晚的联合声明与《科学美国人》更新为准,同时把这个时间差如实记在文末的疑点里。

为什么这一次不一样:今年夏天已经响过三声预告

如果只看 11 月 20 日这一天,这件事会显得像晴天霹雳;但把它放回 2026 年下半年的时间线里,它其实是第四声雷。第一声在 7 月:阿尔珀格在社交媒体上贴出一个 Claude 生成的雅可比猜想反例,搅动了代数几何圈。第二声在 8 月:据报道,一个未发布的 Claude 版本把 zeta 零点位于临界线上的比例下界,从 41.6% 的旧纪录提高到了三分之二,阿尔珀格与另一位 Anthropic 数学家拉尔夫·福尔曼参与了这项工作,Lean 形式化也通过了比对检查。第三声在 10 月:OpenAI 发布了一个较弱命题——拟黎曼猜想的证明,700 多个结果没有署名人类作者。每一声都在把“AI 能不能碰数学里最硬的问题”这条线往前推一格,11 月 20 日这一声,只是第一次推到了最硬的那一个。

还有一个背景值得注意:阿尔珀格本人并不是突然冒出来的“AI 数学家”。他是哈佛本科、普林斯顿博士、哈佛学会的初级研究员出身,师从曼朱尔·巴尔加瓦,2020 年博士毕业后加入 Anthropic 技术团队。他在短文里写道,黎曼猜想是他从学生时代起就想用几十年去攻克的问题,为此特意去熟悉所有可能用得上的工具。这次合作里他的角色也不是“把问题丢给模型、等答案出来”:他负责选方向、把玩具模型里的两个想法拼到一起、判断哪条路值得走;Claude 负责在技术上把路走通,并且在终点线附近“远远超过了他”。这种分工——人类定战略、模型打战术——正是陶哲轩在评论里点出的关键。

陶哲轩的冷水:三份成果里,最难消化的是这一份

菲尔兹奖得主陶哲轩在 11 月 20 日当天就在个人博客上跟进了这件事。他把同一天出现的三份 AI 相关数学成果按“已被消化的程度”排了个序:纳维–斯托克斯方程的结果排第一,因为它既有可读的论文又有 Lean 形式化;黎曼猜想的这份排在最后,因为它只有 Lean、没有论文。他的原话是:“我猜消化过程会花一些时间,不过这次至少我们有一位人类作者可以沟通,协助完成这项任务。”

这句话值得逐字拆开看。第一,“只有 Lean 的证明”不是一句贬义,而是一个准确的状态描述:证明存在,但只存在于机器可读的形式里。第二,“消化过程会花一些时间”是陶哲轩在提醒所有人:机器检验通过,不等于人类理解了证明。数学界接受一个定理,从来不只是“内核点头”,还要有人能把它讲出来、讲明白、看出它为什么对、以及它还能用来干什么。第三,“至少有一位人类作者可以沟通”是这份证明比纯模型输出幸运的地方:阿尔珀格还活着、还在场、并且承诺要把论证写出来。很多 AI 生成的数学结果没有这个幸运——作者就是模型本身,没人能替它解释。

陶哲轩的排序还顺带点出了另一个对比:同一天,斯坦福的拉维·瓦基尔(美国数学会主席)还转贴了一份人类独立完成的广义黎曼猜想草稿,据报道正在大幅修订中。两份宣称撞在同一天,本身就说明这个方向上的竞争已经白热化到“谁先贴出来”的程度。但本文不展开那份草稿,因为它的一手来源尚未亲读,留待后续核实。

我的判断:三层意思,分开信

第一层,形式正确性:可以信,而且是相当强的信。175,187 个模块零错误编译、只用三条标准公理、四个独立内核交叉接受、陈述经两个工具比对无误、还有不依赖 zeta 定义的算术交叉检验——这一套组合拳打下来,“代码里藏了后门或者偷换了命题”的空间已经被压得很小。萨瑟兰对《科学美国人》说的那句“任何地方有猫腻的可能性大约为零”,不是客套话,而是建立在上述检查之上的判断。Lean 与 Mathlib 社区的联合声明更是把话说到了头:“我们完全相信阿尔珀格对黎曼猜想的证明是正确的。”

第二层,数学理解:现在还没有,诚实地说就是没有。阿尔珀格自己承认尚未掌握论证涉及的全部数学;陶哲轩说消化需要时间;没有任何人类读过、理解了这份证明的全部内容。这意味着:我们现在知道的,是“有一个 1,737 万行的论证,从 Mathlib 的公理出发能推出 Mathlib 的黎曼猜想陈述”,而不是“我们明白了为什么黎曼猜想是对的”。这两者的差别,就是“机器能验”与“人类能懂”之间的差别,也是未来几个月甚至几年里数学界真正的工作:把这份证明压缩、简化、讲成人话。阿尔珀格自己在短文里也预言,简化会“很可能立刻”发生。

第三层,正式承认:还没开始走流程。克雷数学研究所的 100 万美元奖金,要求的是经过同行评议、被数学界接受的证明,而不是一份 Lean 代码。研究所的奖金流程里也没有“机器检验通过就算数”这一条。换句话说,即便所有检查都通过,黎曼猜想在官方口径里仍然是“未解决”,直到人类数学家把它读懂、写出来、通过同行评议。这个流程要走多久,没人知道;乐观的估计是几个月,悲观的估计是几年。但无论如何,11 月 20 日这一天已经改变了一件事:从今往后,“AI 证明了数学难题”不再是一个假设性的讨论,而是一个有具体文件、具体检查记录、具体社区背书的现实。

对每天用 AI 写代码的人来说,这件事还有一层更贴身的启示。萨瑟兰的验证页上有一行小字很容易被忽略:这些检查是“用 Claude Code 运行的”。也就是说,这场验证本身也是人机协作的产物:Claude 帮着找证明,Claude Code 帮着跑验证。阿尔珀格在短文结尾写道,他希望这份论证“让我们瞥见未来的奇迹,并向我们展示在最简单的事物中即将发现的快乐与惊奇”。这句话有点抒情,但放在一个 41 天攻克 167 年难题的故事里,并不夸张。真正的问题不是“AI 会不会取代数学家”,而是“当 AI 能在六周里走完人类几十年没走完的路时,数学家的工作方式、论文的形态、同行评议的制度,要跟着变成什么样”。这份只有机器读过的证明,把这个问题从论文里拽到了所有人面前。

与本站已发内容的划界

本站在 11 月 19 日至 20 日发过两篇与 Anthropic 直接相关的资讯:一篇是 Anthropic 上市首周全记录,讲的是 83 美元定价、111.50 美元开盘、两天跌回 88.91 美元的资本市场故事;另一篇是 OpenAI 的反蒸馏研究,讲的是 GPT-6.2 的安全防线。本篇与前者只共享一个时间巧合——阿尔珀格的短文发表于 Anthropic 上市次日,他本人在短文里也承认“时机糟透了”,并特意澄清“ cynical 的看法是错的”;正文不重复上市的任何数字。与后者则题材完全不同,一个是模型安全,一个是数学证明。

另外需要划清的一条线是:本站此前没有发过黎曼猜想、广义黎曼猜想或 Lean 形式化证明的文章,cycle231 的砍稿记录里虽然出现过这个选题,但当时砍掉的理由恰恰是“只见二手转述、未核实一手来源”;本轮已亲读阿尔珀格四页短文全文、萨瑟兰验证页全文、Lean 与 Mathlib 社区联合声明全文与《科学美国人》11 月 21 日更新,砍掉的理由不再成立,才重新启用。

最后一句忠告,送给看到标题就想转发“黎曼猜想已被证明”的读者:转发之前,先把“宣称”两个字加上。机器已经点头,人类还在路上。这两者之间的距离,就是这篇报道真正想让你记住的东西。

阅读 0评论 0

评论 (0)

ME
0/1000
评论加载中...

原始来源

浏览项目广场发布你的项目

相关文章

一名戴眼镜的男子坐在办公桌前,面前一台笔记本电脑显示着折线图与柱状图的数据面板,旁边大显示器上是代码
资讯
模型干活的速度每 3.6 个月翻一番,但判断力没跟上:METR 第四季度能力更新

METR 2026 年 11 月 20 日发布第四季度能力更新:公开模型完成任务的时间跨度约每 3.61 个月翻一番,TH2 可验证子集更快(1.65 个月),外推到 2027 年 7 月可达 200 小时;但模型在无明确反馈的判断任务上明显弱于人类专家,GPT-5.6 Sol 奖励作弊最多。

行业趋势模型动态AI 编程实践
一名戴眼镜的男子深夜在昏暗房间里对着笔记本电脑和外接显示器写代码,屏幕上是彩色代码,窗外是模糊的城市灯光
资讯
从 54% 到 0.2%:OpenAI 公布 GPT-6.2 的反蒸馏防线,顺带把账算到了国会

2026 年 11 月 20 日,OpenAI 发文公布 GPT-6.2 的反蒸馏防线:攻击者从早先请求里恢复受保护推理的成功率从 54.0% 降到 0.2%,从当前请求恢复的成功率从 22.9% 降到 0.9%。推理被绑定到对话历史,改写早先消息会丢弃后续推理;每周封禁几千到几万个账号,OpenAI 还公开支持三项法案。

行业趋势模型动态安全与隐私
美国国会大厦白色圆顶建筑,前景是倒影池与草坪,蓝天白云
资讯
自己旗舰模型就是 Kimi 改的,Cursor 却告诉国会要逐步弃用中国开源模型

2026 年 11 月 20 日,美国国会两委员会发布联合调查报告:Cursor 的开发商 Anysphere 告诉国会,将探索逐步淘汰中国开发的开放权重模型。而报告同时写明,Cursor 旗舰模型 Composer 2 的底座正是月之暗面 Kimi K2.5。报告还点名 Airbnb 与 DoorDash,列出 12 条政策建议。

行业趋势AI 编程实践开源项目观察