一句话看懂：2026年10月5日发布于alphaXiv的一篇论文声称，首次在确定性算法上把3SUM从O(n²)降到O(n^1.9992)，把APSP从O(n³)降到O(n^2.9995)，从而推翻了这两个领域的经典复杂度假设。
事件核心：发生了什么
论文给出了3SUM与全源最短路径（APSP）教科书算法的首个多项式级改进：3SUM在多项式大小整数上以O(n^1.9992)确定性时间求解，APSP在有向多项式整数权图上是O(n^2.9995)。作者称这直接反驳了3SUM假设与APSP假设，并借助已知归约，进一步反驳实数版3SUM/APSP假设、Exact Triangle假设、Zero-Weight k-Clique假设，以及van den Brand、Nanongkai、Saranurak提出的三个矩形提示型Online Matrix-Vector猜想。
所有结果源自同一个新算法，用于“薄矩阵乘积”：对N×D的整数矩阵X与D×N整数矩阵Y（D≤N^(1/18)），在至多N²/√D个指定输出位置上，以O(N²/D^0.063)次操作精确计算XY的对应项。其思路是改造Coppersmith矩形矩阵乘法与Schönhage十乘法恒等式，通过共享输入编码、剪枝无贡献递归分支，只计算被查询的项。该算法也可解释为在稀疏偏斜三部图上真正亚二次时间求解All-Edges Sparse Triangle。
为什么重要
3SUM与APSP是细粒度复杂度理论的两块基石，大量问题（包括不少AI与图计算中的子例程）的难度下界都建立在它们之上。如果该结果成立，意味着这些下界条件整体被削弱，一批此前被认为“不可能更快”的问题可能重新打开优化空间。对依赖大规模图算法、稀疏矩阵运算、检索与配对的工程场景，这属于理论层面值得跟踪的信号。
对用户/开发者/创作者的影响
目前公开信息显示，这仍是一篇理论论文，没有可调用API、开源实现或基准测试。对开发者的直接影响有限，但若其薄矩阵乘积与All-Edges Sparse Triangle技术被工程化，未来可能影响图数据库最短路查询、向量检索中的相似度矩阵计算、组合优化求解器等底层组件的复杂度预期。创作者与企业用户短期内不必据此调整技术选型，只需关注是否出现可复现实现。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是该结果是否经同行评审并独立复现；二是薄矩阵乘积的常数因子与实际运行时间能否落地；三是归约链上其他假设（如OMv猜想）是否被连带推翻，可能改变细粒度复杂度的研究议程。
来源：alphaXiv
