浙大校友用AI突破32年拉姆齐数下界
一句话看懂：浙大校友王宜平自研AI框架ScaleAutoResearch-Ramsey，将组合数学难题拉姆齐数R(3,17)的下界从92提升至93，终结了自1994年来长达32年的纪录停滞。此次突破仅用一台CPU服务器配合Claude Code、Codex完成，成果已开源，并超越了谷歌DeepMind同期AlphaEvolve的研究水平。
事件核心：发生了什么
华盛顿大学博士生、xAI团队成员王宜平，利用自研AI框架ScaleAutoResearch-Ramsey，成功构造出一张92个顶点的图——图中既没有三角形（3点互识），也不存在17个互不相连的点，由此证明拉姆齐数R(3,17)的下界至少为93。同时，该框架还将R(4,15)的下界从159刷新至160。传统方法要求“先构造无三角形图，再压缩独立集”，而王宜平反向操作：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清除三角形，并修复过程中产生的独立集冲突。系统同时启动多组独立智能体，以结构冲突数为评判标准，持续保存优质图谱作为迭代模板，避免陷入局部最优。所有结果均通过专业核验工具严格校验，确保严谨性。
为什么重要
拉姆齐数是组合数学的核心难题，其计算难度以指数级增长——数学家埃尔德什曾调侃，若外星人要求计算R(6,6)，人类不如直接开战。R(3,17)自1994年锁定在92后，全球顶尖团队轮番攻关未果，此成果打破了长达32年的学术僵局。更重要的是，此次突破并未依赖超级算力集群，仅用一台CPU服务器和常见LLM工具就完成了攻坚，且成果全量开源。这展示了一条“小算力+AI框架深度设计”的科研路径，与谷歌DeepMind的AlphaEvolve形成对比——后者仅复刻了旧下界。该成果直接关联图论、算法设计、通信网络和AI应用等交叉领域，为数学难题的自动化探索提供了新范式。
对用户/开发者/创作者的影响
对数学和计算机科学研究者而言，ScaleAutoResearch-Ramsey的开放源码提供了可直接复用的AI研究框架，意味着个人或小团队也有机会挑战此前被认为需要大规模算力的组合优化问题。对AI开发者来说，该案例证明，在强化学习和搜索空间设计上做精细优化，可以在有限资源下取得超越大公司成果的突破。对内容创作者和技术科普作者而言，这是一个罕见的“小团队打败大模型团队”的故事，适合作为AI工具赋能前沿学科研究的典型案例进行解读。普通用户虽不直接使用该工具，但可关注其后续在其他组合优化问题（如网络设计、芯片布局）中的应用潜力。
值得关注的后续
第一，该框架能否进一步推高R(3,17)的上界，或破解R(5,5)等其他经典拉姆齐数？目前精确值仍卡在43-48区间，若能突破将产生更大影响。第二，Google DeepMind的AlphaEvolve是否会调整策略，或推出新版本以回应此次挑战？这关乎AI科研能力的竞争格局。第三，王宜平团队的框架能否迁移至图论之外的其他数学问题（如编码理论、组合优化）？开源生态中的复用和改进进展值得跟踪。
来源：量子位 · 每日最新
