OpenAI一口气放出722篇AI数学手稿，两天后撤回3篇——原因是一个正负号写反了
AI飞行客 OpenAI一口气放出722篇AI数学手稿，两天后撤回3篇——原因是一个正负号写反了
如果你要找一个”AI 攻克数学”叙事的反面教材，没有比这更工整的案例了。
昨天，OpenAI 一口气放出 722 篇由 AI 生成的数学手稿，宣称在霍奇猜想等方向取得成果。今天，它撤回了其中 3 篇。原因说出来小得有点荒诞：一个正负号写错了。
一个符号，拖垮三篇论文
被撤回的三篇都跟千禧年大奖难题之一的霍奇猜想相关。挂在关键位置的那篇，题目叫《分裂阿贝尔八重簇上 Weil 类的代数性》。
错误是这样的：论文在一处关键论证里，把一类几何操作的符号记成了 +1，但按论文自己前文的约定，它应当是 -1。
一正一负，结果天差地别。原本应该相互抵消、最终归零的计数，变成了一个不为零的数。而这篇论文所依赖的一个经典定理，前提条件恰恰是这个计数必须为零。
前提不成立，后面整套构造就全塌了。另外两篇都借用了这套构造，于是被一并撤回。
一个符号，拖垮三篇论文。整个过程干净利落，也干净利落地暴露了一件事：AI 写数学，错法和人类不太一样。
人类数学家也会写错符号。但人类在漫长的推导过程中，往往会在某个环节”感觉不对”——量级对不上、直觉发出了警报。这种模糊的自我怀疑，是从无数次手工演算里长出来的。
而 AI 没有这种”手感”。它把符号当成一个可以任意填写的槽位，前后约定的一致性靠的是概率上的拟合，而不是理解。当 722 篇手稿在极短时间内批量产出时，这种”局部一致性”的审查根本跟不上。
“撤回证明不等于命题错误”——这句话要拆开看
OpenAI 在三份撤稿说明里都强调了同一句话：撤回的是证明，并不意味着这些数学命题本身是错的。
这句话技术上成立，但作为公关话术需要拆开看。
成立的部分：一个命题的真假，和一个证明的对错，确实是两回事。证明错了，命题可能依然是真的，只是暂时没有被证明而已。
需要警惕的部分：这句话在有意无意地分散注意力——它把”我们 AI 做的证明有系统性缺陷”这个问题的焦点，转移到了”但结论可能是对的”这个更舒服的位置上。
而对数学共同体来说，真正重要的是：如果一篇证明的可靠性，需要等到公开之后靠人类逐篇复核才能确认，那”AI 生成数学”的产出速度，就变成了整个学术界的负担。
722 篇手稿，公开两天，第一份勘误单就来了，撤回 3 篇、修订 14 篇、更新引用 13 篇。这东西大概率不会是最后一份。
我最在意的，不是这个 bug，是它揭示的验证结构
把这几天的几条新闻串起来看，一个非常清晰的图景浮现出来：
– 9 月，OpenAI 说内部模型 88 小时攻克 Navier-Stokes 方程； – 同期，研究者和 OpenAI 因为”抢跑”与署名问题公开互撕，核心质疑是：你们是否读取了用户数据？ OpenAI 的回应耐人寻味——”无法排除由他们使用我们产品所产生的去标识化数据，曾帮助改进我们的模型”； – 10 月，722 篇手稿批量发布，两天后首份勘误； – 与此同时，陶哲轩撰文判断，AI 可能让数学遭遇”自 Gödel 以来最大的危机”。
这几件事的共同点，全部指向验证（verification）。
AI 把”生成证明”的成本压到了接近于零，于是验证成了新的瓶颈。以前数学界最贵的是”想出来”，现在最贵的是”确认对不对”。而人类验证者的数量、精力和耐心，是一个无法通过堆算力解决的硬约束。
这才是 AI 数学真正的问题所在。不是什么”AI 会不会做题”，而是”当证明可以无限量产时，谁来为它们的正确性负责”。
值得肯定的一点：OpenAI 这次的处理算规范
公平地说，这次的勘误流程本身做得不错：
– 错误写清楚了（哪个符号、应该是几）； – 依赖链交代了（哪几篇受影响、为什么）； – 旧版本保留可查，没有偷偷删掉； – 明确说明”撤的是证明不是命题”，防止误读。
这符合高等研究院数学与 AI 咨询小组建议的”修改留痕”原则。在一个 AI 生成内容正在破坏学术信任的时代，愿意把错误摊开来讲，是唯一正确的姿态。
但流程规范，不能掩盖频率问题。第一次勘误出现在公开后两天，说明这批手稿在发布前的内部质量把关，远没有到能承受公开检验的程度。
我的判断：这是一次必要的”祛魅”
前面几轮我聊过”数学毕业了”的争论（xAI 联创），也聊过菲尔兹奖得主预言渗流猜想被攻破（GitHub 静默证明）。那两篇讲的都是AI 能力的上限被推高。
这一篇，讲的是AI 能力的下限暴露出来了。三个故事合在一起，才是完整的真相：
AI 在数学上确实能攻下人类几十年攻不下的堡垒——但它的错误率，也远远超出了可以”直接采信”的程度。
对做工程的人来说，这里有一条极其现实的教训：不要因为 AI 在某个 benchmark 上接近满分，就假定它在你的生产环境里可以直接采信。 数学能靠 Lean 形式化验证兜底，已经很幸运了；而大多数 AI 生成的产出（代码、文案、报告）连一个自动验证器都没有。
你唯一能做的，是把验证成本算进你的流程，而不是默认 AI 的产出是对的。
对数学界来说，这次撤回是个提醒：和 AI 协作的方式，不能是”AI 写、人类信”，而必须是”AI 写、人类验，且验证流程本身要工业化”。
至于那个写反的正负号——它可能是这几天最贵的一个字符。
但比这个字符更贵的，是整个行业还没想清楚的：当 AI 一天能产 722 篇证明时，我们拿什么去承担验证它的成本。
这个问题，OpenAI 撤稿说明里没有答案。