数学、计算机科学与物理三线并进，外部专家“shepherds”机制首次主导发布，数学与计算机科学证明已在GitHub公开。

当地时间10月26日，OpenAI宣布其模型在数学、计算机科学与物理学领域取得三项重大发现，分别涉及调和分析、复杂性理论与量子场论。与10月6日大规模公开数百份数学手稿那次发布不同，此次OpenAI引入了被称为“shepherds”（引导者）的外部专家，由其组织工作组理解并处置成果发布：数学结果直接公开AI原始输出，计算机科学结果由工作组解释并同时公开材料，物理学结果则由工作组自行决定发布节奏。数学与计算机科学两份证明及Lean形式化文件已在GitHub公开。三项成果目前均处于待学界独立验证状态。

一、导语：时隔不足一月，OpenAI再掷三项科学成果

10月26日，OpenAI发布题为《与学术界合作构建科学理解》的公告，宣布数学、计算机科学和物理学三项新发现。公司在公告中给出一个关键定位：这些手稿“最好被理解为一种原始研究数据”（raw research data），要将其转化为科学理解，需要外部学术力量的介入。距离10月6日通过GitHub仓库openai/math一次性公开722份数学手稿、归为372个结果族的那次大规模发布，过去尚不足一个月。

此次发布最大的变量，是发布流程本身的重构。OpenAI接洽外部专家，请其以“shepherds”身份组织工作组理解新结果，并听从了三种互不相同的发布策略建议：数学成果直接发布AI输出，让研究者自行组织解读；计算机科学成果组建外部合作小组进行解释，同时将AI输出公开供任何人查验；物理学成果组建合作小组，并由小组决定材料的处置方式。OpenAI坦言，目前尚不清楚哪种方式最有效，欢迎外界反馈。

图：OpenAI 科学成果发布关键时间线（2026年9月—10月）

学界的反应几乎与公告同步。就在10月25日，OpenAI此前参与协调组建的“数学与人工智能顾问组”（AGMAI）刚发表声明，建议AI公司不要采纳“指定特定数学家优先接收成果”的做法；10月26日，AGMAI又针对尚未完整公开的物理学成果发出立即公开的呼吁。截至发稿，三项成果均未获得学界独立验证。

二、事件全景：三种发布策略与shepherds机制

shepherds机制的核心，是把“如何发布”的决定权部分让渡给外部专家。三项成果对应三种处置：数学结果沿用10月6日的做法直接公开模型输出；计算机科学工作组要求立即公开自然语言证明与Lean形式化，OpenAI照办；物理学工作组则决定暂不发布AI产物，先自行撰写。三种策略的差异，实质是“公开原始数据”与“专家先行消化”两种思路在不同学科的试验。

OpenAI同时公布了外部合作的四项原则：其一，透明——公开合作的存在，参与者不签保密协议，可自由讨论、分享中间产物并发表结论；其二，不寻求学术署名——OpenAI不为其模型产出的发现索取学术荣誉，邀请专家参与也不代表该专家或其小组做出了原始发现；其三，认可——工作组应获得对其理解、写作与材料的认可，并确保恰当引用所依赖的研究者、技术与思想；其四，独立——参与自愿且无薪酬，成员独立发言，不代表OpenAI。

OpenAI承认这一机制存在内在权衡：指定初始shepherds必然决定谁最先参与，从而造成信息不对称。作为配套，公司提及近期向西蒙斯基金会（Simons Foundation）捐助500万美元（该基金会相关总计划为1500万美元），用于支持帮助研究者理解并建立在AI成果之上的研讨会、会议与特别项目。

表1 三项成果与三种发布策略对照

三、深潜数学：局部光滑化与挂谷猜想的全维度证明

数学成果的标的是调和分析中的局部光滑猜想。该猜想由Sogge于1991年提出，关注波在聚焦时的行为，核心判断是“最极端的聚焦必然是短暂的”：典型随机时刻的聚焦量总是远小于最坏情形下可能出现的聚焦量。由于其基础性，该猜想蕴含挂谷猜想与Stein限制猜想等一系列数学分析中的重要问题。

此前的人类进展呈阶梯状：2019年，Guth、Wang与Zhang证明了二维情形的局部光滑猜想；2025年，Wang与Zahl证明了三维挂谷猜想。就在数月前，纽约大学教授王虹因解决三维挂谷猜想获国际数学联盟菲尔兹奖。此次OpenAI声称其模型证明了每个空间维数（至少二维）的欧几里得波动方程局部光滑性，从而一并解决所有维数的挂谷猜想与Stein球面限制估计，新证明的关键是一个新颖的辅助偏微分方程。

时间线方面，OpenAI披露其于10月18日获得AI输出，次日（10月19日）完成Lean形式化，随后接洽专家讨论组建合作，并遵循专家建议采取与10月6日发布相同的“直接公开”策略。目前AI自然语言论文与Lean证明均已置于公开GitHub仓库。需注意的是，直接公开原始输出意味着解读与纠错工作完全交由研究社群，效率与秩序均有待观察。

四、深潜计算机科学：ETH为假及其复杂性理论冲击

三项成果中最具颠覆性的主张来自理论计算机科学：指数时间假说（Exponential Time Hypothesis，ETH）为假。ETH是1999年由加州大学圣迭戈分校的Russell Impagliazzo、Ramamohan Paturi与Francis Zane提出的猜想，针对布尔公式可满足性问题的计算复杂度，与P对NP问题密切相关。学界普遍认为ETH成立，数百篇论文依托它在图论、计算生物学、数据库、计算几何等领域推导条件化的困难性结果。

OpenAI称，其论文给出一个确定性算法，能在亚指数时间与多项式空间内精确计数固定宽度CNF公式的可满足赋值数量，其3-SAT情形即构成对ETH的反驳。时间线显示，10月16日模型找到ETH的自然语言反证，10月17日完成Lean形式化。该结果已在GitHub公开。

核查与解释工作将由Impagliazzo、Paturi与麻省理工学院教授Ryan Williams领导的独立工作组承担——前两人正是ETH的原始提出者，Williams则曾反驳ETH的强版本并以ETH开展困难性研究。工作组要求OpenAI公开全部原始数据以便社区独立验证，并推动OpenAI承诺资助一场会议，讨论这一结果对整个领域的影响。

工作组同时向学界发布公开信，提出三个宏观问题：应当以何种准则约束AI生成成果的优先访问、利益冲突披露与未公开材料在后续研究中的使用；署名与荣誉该如何兼顾新发现本身以及核验、修正、简化、阐释、拓展该成果的工作；在研究方法与方向变革之际，如何支持学生与研究者，同时保留质疑结论所必需的理解力与判断力。OpenAI方面亦保持克制表述：ETH被推翻重新引出“这类计算任务还能提速多少”的问题，或有助于寻找更优算法，但把理论进展转化为实际性能提升仍需大量后续研究。

五、深潜物理：四维量子场论存在性与千禧年难题

物理学成果是三项中唯一未完整公开的：一份关于四维时空中含规范场与费米子的相互作用量子场论的数学严格存在性证明，其中涵盖量子色动力学（QCD）以及粒子物理标准模型的统一完备化。该工作建立在构造性量子场论中Balaban方法的基础之上。作为子问题，它还包含纯杨–米尔斯理论的存在性证明——这正是克雷数学研究所“量子杨–米尔斯理论”千禧年大奖难题的一部分。

OpenAI在技术语境上做了谨慎限定：标准模型描述四种基本力中三种（不含引力）的基本粒子相互作用，但标准模型本身无法外推到任意短距离，因此存在性证明针对的是包含标准模型规范场与费米子的最简单大统一理论。领衔核查工作的David Gross因1973年关于杨–米尔斯理论渐近自由的工作分享了2004年诺贝尔物理学奖，而渐近自由也正是这些理论能够作为数学严格对象存在的关键机制——由他带队具有标志性意义。工作组成员还包括Michael Douglas、Arthur Jaffe、Igor Klebanov与Nikita Nekrasov，其中Jaffe曾与Witten共同提出杨–米尔斯千禧年难题。

时间线显示，模型于9月9日产出杨–米尔斯存在性的自然语言证明，9月18日产出QCD证明；鉴于工作的长度与复杂性，OpenAI推迟发布直至10月16日完成杨–米尔斯存在性的Lean形式化。与计算机科学小组相反，物理学小组决定暂不发布AI产物，先自行撰写，所有沟通经由专门邮箱进行。这一“暂缓”随即引来AGMAI的公开反对——后者10月26日呼吁立即公开相关自然语言与Lean输出，理由是形式化既已完成，“没有科学理由继续推迟”。

六、争议与治理：AGMAI警告与验证难题

围绕shepherds机制的争议，集中在“谁最先看见”。AGMAI在10月25日的声明中直言，指定数学家优先接收AI成果的做法弊大于利，建议AI公司不要采纳：被指定者将比可能研究同一问题多年的同行更早获得材料，形成延迟或不平等获取；由公司指定解读人选，剥夺了学术共同体对本领域的能动性；人选反映的是公司的人脉与优先级，不透明且不可问责；被指定者的名字客观上为发布背书，形成声誉借用；而近期经验表明，成果公开后人类的理解可以有机且高效地发展，该做法并无必要。AGMAI开出的替代方案包括：发布于不受AI实验室控制、具可引用标识符并记录修改的学术存储库，尽可能提供Lean形式化，附上模型、提示词、尝试次数、算力与成本等过程信息，说明问题如何选择，并为解读活动提供由独立机构分配的资助。

值得注意的背景是，AGMAI本身即诞生于这场博弈：9月21日至22日，这家设于普林斯顿高等研究院、由九位数学家组成、独立运作且成员不取酬的顾问组公告成立，成员包括Timothy Gowers、Martin Hairer、Edward Witten等，其章程明确可为任何前沿AI实验室发布建议乃至批评。

验证是比发布更硬的约束。截至第三方核查发稿，三项主张均未获得学界独立验证；Lean形式化能够确认形式化命题可由形式化证明推出，但并不等价于确认形式化命题准确捕捉了书面猜想——此前已有剑桥大学与伦敦国王学院研究者的预印本指出，OpenAI9月纳维–斯托克斯主张的Lean形式化与其书面证明存在不匹配之处。GitHub仓库的历史记录也显示了AI产出的纠错成本：10月7日，因一处符号错误，三篇手稿被撤回，另有14篇完成修正、13篇更新引用；截至当日更新，顶级结果的Lean形式化率为300/719，约41.7%。

图：GitHub openai/math 顶级结果 Lean 形式化进度（截至2026-10-07）

此前数月的争议脉络同样无法绕开：9月，OpenAI宣称其系统以约88小时、动用上万个智能体解决了纳维–斯托克斯存在性与光滑性问题这一千禧年大奖难题，随后引发纽约大学教授Buckmaster关于“利用他人未公开成果抢先发布”的公开指控；9月11日，25位菲尔兹奖得主联署公开信《AI在数学中的严重错位》，批评科技公司把“解决开放问题”当作模型能力指标；“解出来了”与“弄明白了”的距离，已成为横亘在AI产出与科学知识之间的核心议题。

七、结语：发布机制的实验才刚刚开始

从9月的纳维–斯托克斯争议，到10月6日的722份手稿，再到10月26日的三项发现与shepherds机制，OpenAI在不到两个月内完成了三轮发布方式迭代：从单点宣告，到批量开源，再到把处置权部分移交外部专家。公司自己承认不知道哪种方式最有效，并就如何拓宽参与、改进流程公开征集反馈——这种把“发布过程本身作为实验对象”的姿态，在产业界并不多见。

但发布方式的演进并不能替代验证本身。三项成果的真实价值，最终取决于数学家、计算机科学家与物理学家对公开材料的逐行核查：数学结果等待研究社群的自行解读，ETH反证等待三人工作组的检验，物理学证明则连材料都尚未面世。AGMAI的持续施压、工作组的独立公开信与GitHub仓库上留下的撤稿与修正记录共同说明：AI科学成果的验证、署名与传播秩序仍在形成之中，任何一环的规则都还没有定论。对于关注这一领域的产业与学术观察者而言，比“三项发现是否成立”更值得追踪的，是这套机制经得住多大程度的检验。