GPT-6.2 Astra 在 Autoform-Hard 榜首以 94 分钟完成 Smoktunowicz 间隙定理首个形式化证明
GPT-6.2自己造出全新证法!94分钟拿下20年前顶刊定理首证
第三方评测机构 Vals AI 公布高难数学基准 Autoform-Hard 榜单,GPT-6.2 Astra 以 87.50% 准确率登顶,并在零人工干预下用 94 分钟、1,794 行 Lean 代码完成 2006 年 Smoktunowicz 间隙定理的全球首个形式化证明。
材料完整还原了模型在缺少前置定理时自行定义新工具绕路的推理过程,可观察形式化数学中一条不同于翻译人类证明的路线。
新智元报道
刚刚,第三方评测机构Vals AI放出了高难数学基准Autoform-Hard的最新榜单。
56道博士与科研级数学难题,此前10个前沿大模型去测,结果
一道都没做出来
。
而在这轮测试里,Claude Fable 5.2和GPT-6.2 Sol双双做对48道,打成平手。
唯独GPT-6.2 Astra多做对了第49道题,拿下了榜单第一。
这道唯一拉开差距的第49题,正是2006年发在数学四大顶刊上的
Smoktunowicz间隙定理
。
在全程零人工干预的环境里,Astra只用了
94分钟、写下1,794行Lean代码,就拿下了它的全球首个形式化证明
。
比「全球首证」更让人意外的,是它解出这道题的方式。
原作者2006年的论文,后半程要用到
三个现成的数学大定理
,可Astra能调用的Lean公共数学库里一个都没有。
换作以前的AI,只要数学库里缺了关键的前置结论,推导当场就会卡在半路。
但Astra在原路走不通之后,居然
在半路自己定义了一个叫「capacity」(容量)的新数学工具,绕开那三个大定理,走出了一条全新的证明路线
。
复核完所有代码后,Vals AI团队在报告里写道,
这是对Smoktunowicz定理本身的形式化证明,而非对原作者证明过程的翻译。
2和3之间有块禁区
原证明的三个定理都不在库里
这条Smoktunowicz间隙定理,研究的是代数的
「
增长速度
」
。
从几个基本元素出发,把它们最多相乘n次,数一数一共能造出多少个彼此独立的元素。
数学家用一个叫
GK维数
(Gelfand-Kirillov维数)的指数,来衡量这个数量涨得有多快。
如果数量大致按n²增长,GK维数就是2,按n³增长,GK维数就是3。
对一般的代数来说,这个指数只要在2以上,本来可以取任意实数。但一旦加上特定的结构限制,数轴上就会出现一段
不可能落入的「禁区」
。
1995年,代数学家Artin和Stafford研究了一类叫
分次整环
的代数,它的元素可以按次数一层层分开,而且两个非零元素相乘不会等于0。
当时他们证明,这类代数的GK维数不可能落在2到2.2之间。
到了2006年,爱丁堡大学的波兰数学家Agata Smoktunowicz把这个范围一举推到了3。
她证明,满足条件的分次整环,
GK维数要么不超过2,要么至少是3,2和3之间的所有实数统统不可能出现。
这篇解决了代数学界十余年难题的论文,发表在数学四大顶刊之一的《Inventiones Mathematicae》上,
全文却只有短短6页
。
篇幅之所以这么短,是因为作者在后半程连续调用了前人已经证好的三个大定理。
它们分别是
Bergman间隙定理
、
Small-Warfield定理
,以及代数曲线上的
黎曼-罗赫定理
。
人类写论文可以直接引用前人的现成结论,但在Lean里,
只要引用的定理没在代码库里证过,代码就无法通过编译
。
最棘手的是,
原论文用到的这三个大定理,Lean的公共数学库Mathlib里一个都没有收录。
而Autoform-Hard给每道题的限时只有3小时,如果先把这三个大定理从头写成代码,本身就是一项大工程,规定时间内根本做不完。
花8美元想放弃被打回
停笔9分钟重找路线
Vals AI公开的146轮完整运行日志,还原了Astra在考场上的真实破局过程。
开局后的前17分钟,它一直在后台推演思路,光思考就用掉了约3.4万个推理Token。
第18分钟起,它才开始照着原论文的
反证法
框架写前半程代码,也就是先假设GK维数落在2和3之间,此时每一层的维数
「比线性增长快、又比平方增长慢」
。
接着它利用
Ore条件
把代数放进可做除法的
分式除环
里,只要能反过来推导出
「每一层的维数最多只能线性增长」
,就能制造矛盾排除掉2到3。
可前半程刚搭完,马上就遇到了那三个Mathlib里没有的大定理,
推导到了第47分钟
便
卡住了
。
当时Astra试着交上一份还没填完的稿子,因为关键步骤还留着表示跳过的
sorry
标记,被判分器当场拒收。
1分钟后,Astra干脆提交了一份
「未解决」报告
,如实列出了已经写完的模块和卡住的缺口,准备放弃这道题。
偏偏在这时,Autoform-Hard的一条规则拦住了它。
测试系统规定,模型必须花满20美元的算力额度才允许放弃,不到额度交上来的放弃报告一律驳回。
而Astra当时只花了大约
8美元
,系统当场退回报告,要求它留下来继续解题。
原路已经走不通,交卷放弃又被系统拦了回来,它只能重新寻找出路。
从
第49到第56分钟,Astra整整9分钟没有写一行代码
。
这段时间里,它一边检索数学库里现有的可用结论,一边花了约1.9万个推理Token重新推演路线,其中
最长的一次连续思考持续了整整4分钟
。
重新动笔后,它先证出分式除环里「次数为0」的那部分(记作D)
可以由一小块有限维空间生成
,把剩下的难题收束到如何直接控制D的增长。
一条命令写出「容量」新工具,11分半钟走通新证明
真正的转折点出现在
第75分钟
。
在连续5轮查库和思考后,它的推理摘要里出现了一句
「我得把容量的代码抽象出来」
。
紧接着,它
用一条命令一次性写出了核心文件Capacity.lean,全篇133行代码、25个数学声明,仅改了一轮小错,22秒后就编译通过
。
在这个文件里,Astra自己定义了一个叫
「容量」(capacity)
的新指标,用来计算D里的一块空间做一次乘法后,维数至少会增加多少。
它很快证出了这个指标的一条核心性质——
两块空间合并后的容量不会超过各自容量之和(
次模性
),把空间做平移也不会改变数值。
由此就能推出整套方案最关键的结论,
所有「不会让容量增加」的元素放在一起,刚好构成一个可以做加减乘除的稳定子除环。
有了这个稳定子除环,想要控制整个D,就只需要控制住生成D的那一小块空间。
随后,Astra把容量放到一层层越来越大的空间上逐步计算。
因为它是整数,而代数的增长又比平方慢,这个数值到了某一步之后必然会进入
平台期
。
在平台期里,
那个稳定子除环已经把整个D都包了进来
。
这样一来,代数每往上一层,维数最多只多出一个固定上限的常数,
每一层的维数增长被限制在线性以内,与开头「比线性快」的假设矛盾,反证完成。
原论文依赖的那三个大定理,它从头到尾
既没有调用,也没有去补证
,靠自己定义的新工具绕了过去。
从写出
Capacity.lean
到第87分钟用7行顶层代码通过判分器核验,Astra全程只用了
11分半钟
,连续写完了后半程的6个模块,并在清理完试错代码后正式交卷。
唯一拉开差距的第49题
AI开始走出自己的证法
回看整份Autoform-Hard榜单,这56道赛题全部选自Meta FAIR今年发布的AutoformBench基准,取材于24本研究生与科研级数学教材。
GPT-6.2 Astra最终以87.50%的准确率登顶,攻克这道间隙定理全程只花了21.58美元
,
领先并列85.71%的Claude Fable 5.2与GPT-6.2 Sol。
AutoformBench的作者之一Charles Arnal也在X上转发感叹,
大规模数学形式化变成廉价日常工具的那一天已经越来越近了
。
赛后,Vals AI团队还专门追溯了「容量」这套证法的来源。
为了确认Astra是不是背过了现成答案,研究人员把1995年和2006年的两篇原论文逐页核对了一遍,确认
里面根本没有对应的论证
。
进一步检索文献后,他们发现,Astra是把1998年另一篇代数论文里的维数亏损量,和组合数学里的等周极小化技巧结合在了一起,
在测试中自己拼出了一条新路线
。
甚至连Vals AI团队查完文献后也不确定,此前有没有人把这两套工具这样搭配用过,特意在报告末尾留下邮箱公开征集线索。
从照着人类论文逐行翻译,到走出一套连评测机构都要向学界求证出处的新证法,AI做数学已经迈出了新的一步。
参考资料:
https://www.vals.ai/blogs/smoktunowicz-gap-theorem
https://x.com/ValsAI/status/2123129588066959380
https://www.vals.ai/blogs/2026-11-18-smoktunowicz-gap-theorem/proof/index.html
https://www.vals.ai/benchmarks/autoform_hard
编辑:摩西
秒追ASI
⭐
点赞、转发、在看一键三连
⭐
点亮星标,锁定新智元极速推送!
来源:新智元 · mp.weixin.qq.com