浙大校友用 AI 突破 32 年拉姆齐数下界
一句话看懂：浙江大学校友王宜平借助自研AI框架 ScaleAutoResearch-Ramsey，将数学界尘封32年的拉姆齐数R(3,17)下界从92提升至93，同时刷新R(4,15)下界至160。这项成果不依赖超级算力，仅用Claude Code、Codex和一台CPU服务器完成，且已全量开源，表现优于同期谷歌DeepMind的AlphaEvolve研究水平。
事件核心：发生了什么
拉姆齐数（Ramsey number）是组合数学中衡量“无序中必然产生秩序”临界值的经典难题。自1994年数学家Wang-Wang-Yan将R(3,17)下界定为92后，全球团队多年攻坚未获突破。王宜平采用逆向思路：先构建含少量三角形的图，再通过AI复合删除修复策略逐步消除三角形并控制独立集规模。其AI框架并行启动多组智能体探索图结构，以结构冲突数为评分标准，持续迭代保存优质图谱作为基础模板。最终在92个顶点上构建出既无三角形也无17个互不相连点的图，证明R(3,17)≥93，并同步将R(4,15)下界从159提升至160。该成果于2025年5月由王宜平在X平台公开发布，代码已在GitHub开源。
为什么重要
首先，这是32年来拉姆齐数研究首次实质性突破，为长期僵持的理论研究打开了新窗口。其次，王宜平的AI研究框架展现了AI在数学探索中的新范式：不依赖大规模算力（仅用单台CPU服务器和AI代码助手Claude Code、Codex），通过“复合删除修复”和“智能体并行搜索”策略，有效避免传统方法中探索陷入局部最优的问题。这一方法与谷歌DeepMind同期的AlphaEvolve（仅复刻了旧下界92）形成对比，说明较少的计算资源配合巧妙算法也能实现前沿突破。第三，拉姆齐数直接关联图论、算法设计、网络优化等关键领域，其估值提升可间接影响通信网络设计、人工智能算法效率等实际应用场景。
对用户/开发者/创作者的影响
对于AI开发者而言，王宜平展示了一种可复用的“AI for Math”工程思路：将开源大模型（如Claude Code、Codex）作为核心编程助手，配合轻量级计算资源，即可推进艰深数学问题。代码已开源，开发者可从中学习AI探索图结构的方法论，应用于自身的优化问题。对于研究者而言，该框架的“优质探索结果持续沉淀”机制提供了超越传统暴力搜索的思路，可能启发更多AI辅助的科学发现工具设计。对于更广泛的科技从业者，这一案例再次印证了推理增强、自我迭代的AI框架在科研领域的潜力，未来或将降低数学和算法研究的门槛。
值得关注的后续
第一，王宜平的框架是否会被数学家或AI团队复现并用于攻克R(4,16)、R(5,5)等高阶拉姆齐数，这将考验其方法的通用性。第二，谷歌DeepMind是否会回应这一成果，或将AlphaEvolve升级并发布新进展，形成竞争推动。第三，代码开源后，开发者社区是否出现改进和分支版本，特别是在不依赖Claude Code/Codex API的本地化运行版本，将决定该工具能否被更广泛的学术社区采用。
来源：Readhub · AI
