一句话看懂：OpenAI 当地周一宣布，其内部模型声称证伪了计算机科学界广泛相信的指数时间假说（ETH），同日还公布了一项数学证明和一项物理证明。这些结果尚未经同行评审，但足以引发学界对 AI 参与理论研究的正式审视。
事件核心：发生了什么
据 The Next Web 报道，OpenAI 表示其内部模型于 10 月 16 日找到 ETH 的反证，次日用 Lean 证明助手完成机器验证，相关写稿与 Lean 证明已发布在 GitHub。ETH 由 UC 圣地亚哥的 Russell Impagliazzo、Ramamohan Paturi 与 Francis Zane 提出，用于说明布尔可满足性问题及图论、计算生物学、数据库等领域问题的计算难度。Impagliazzo、Paturi 与 MIT 的 Ryan Williams 将组织独立审查，三人强调参与不等于背书，并要求 OpenAI 公开全部原始数据、资助学术会议，这两项要求已获同意。同日，OpenAI 称模型证明了 1991 年提出的局部平滑猜想在所有维度的版本，并据此覆盖 Kakeya 猜想与 Stein 限制猜想；在物理上，模型给出了部分四维量子场论（含量子色动力学和纯 Yang-Mills 理论）存在性的严格证明，该工作组由诺贝尔奖得主 David Gross 牵头，暂不公开 AI 产出材料。OpenAI 表示不寻求学术署名，并向 Simons 基金会捐赠 500 万美元支持相关研讨。
为什么重要
如果反证成立，将动摇大量以 ETH 为前提的计算机科学论文，尤其是复杂度下界与 P versus NP 相关讨论。目前公开信息显示，该结论仍处于独立核查阶段，不能视作已确立的学术成果。更值得注意的是流程变化：AI 模型先给出结果，再由人类组织验证、解释和分配 credit，而非由模型直接投稿。OpenAI 主动放弃署名、出资支持社区审查，也是在回应今年 6 月莱顿宣言中数学家对 AI 成果归属的担忧。
对用户/开发者/创作者的影响
短期内不影响普通用户使用的 API 或产品；开发者更应关注 Lean 形式化证明与自动推理的结合趋势，这可能改变算法验证、密码学假设评估和形式化软件工程的工作方式。对研究者而言，AI 生成结果的可信度取决于原始数据是否公开、验证过程是否可复现，而非模型规模大小。企业若依赖 ETH 类假设做算法复杂度判断，目前公开信息显示应等待独立审查结论。
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 Impagliazzo 团队能否在开源数据基础上复现并解释该反证；二是局部平滑与 Yang-Mills 证明是否进入正式同行评审，物理工作组自行撰写论文的进度如何；三是 OpenAI 的 500 万美元资助能否推动 AI 研究成果的独立验证机制常态化。
来源：The Next Web
