IT之家 10 月 9 日消息，OpenAI 于 10 月公布 719 份 AI 数学解答，涵盖 372 个数学结果族，涉及数百项开放研究问题，不过发布后被指尚未完全达到“数学与人工智能顾问小组”（AGMAI）提出的标准。

IT之家此前报道，OpenAI 于 10 月 6 日最初在 GitHub 发布 722 份 AI 生成数学手稿总数，涉及 372 个结果族及多项开放研究问题。不过于 10 月 7 日因一处符号错误及其连锁影响撤回 3 份，现公开目录为 719 份。

OpenAI 表示，发布前曾咨询普林斯顿高等研究院主持的“数学与人工智能顾问小组”（AGMAI），并参考其公开建议。然而，从公开信息看，此次发布尚未完全达到该小组提出的标准。

AGMAI 此前建议前沿 AI 实验室停止在专有、外界无法访问的模型上测试高难度数学问题，并要求披露模型名称、提示词、推理链、耗时及计算成本等信息；但 OpenAI 此次仍使用专有模型，且仅 10 份手稿附有模型推理链。

在人类可理解性方面，顾问小组强调 AI 生成证明应便于数学家审查和学习；但据报道，OpenAI 发布的证明中约 42% 未经形式化处理，也未提供将自然语言证明与形式化产物关联的机器可读元数据。

AGMAI 同时声明，其咨询角色不构成对 OpenAI 获取或发布这些结果的认可，最终仍需由数学界评估相关建议是否得到充分执行。该事件再度引发关于 AI 生成数学成果的透明度、形式化验证、同行审查及学术研究自主性的争议。

陶哲轩于 10 月 7 日在 mathstodon 上发布帖子，表示他并不反对 AI 做数学，甚至一直是 AI 辅助研究的积极使用者；但他强烈反对把“用 AI 快速攻克著名难题”当成主要目标或产品展示。他认为这会破坏数学共同体赖以运转的理解、教学、合作与开放探索机制。

陶哲轩指出，传统数学中，一个长期猜想的突破并不只是“得到答案”：作者会做报告、参加研讨、与同行交流，随后证明会被简化、解释、纳入教材，并催生后续问题、合作者和新的研究方向。

而 OpenAI 等公司当前的做法，往往是由提示者驱动 AI 自主解题；目标一旦“解决”，后续的理解、报告、同行讨论和领域建设却很少发生。陶哲轩认为，发布者甚至可能不足以解释 AI 的输出、回答问题或与领域互动。

他把这种状况称为数学界的“证明消化不良”：AI 能高速生成命题、证明和反例，但人类来不及验证、理解、写作、教学和吸收，结果出现大量“无人能消化的证明”。

他尤其担心的是，OpenAI 把纳维–斯托克斯方程等千禧年难题当作模型能力基准来攻克。在他看来，这把“解出多少题、多快解出”当成了衡量“理解与洞见”的指标；但速度和数量本身并不等于数学理解。

陶哲轩强调，问题一旦被公开“解决”，就几乎无法恢复为“未解决”状态。即使人们后来想寻找不同路径、从中提炼新方法，仅仅知道答案存在，也会“污染”这一探索过程。

因此，他批评这是一种不可持续的大规模“收割”：把开放问题当作可批量消耗的资源，最终会让整个数学领域变得不如传统研究方式下那样肥沃。

IT之家注：陶哲轩是当代最负盛名的数学家之一、加州大学洛杉矶分校（UCLA）数学教授，也是 2006 年菲尔兹奖得主；常被称为“数学界的莫扎特”。