今個月頭，OpenAI 喺 GitHub 一腳門放咗大約 400 個數學結果落嚟，多到數學界根本睇唔完。呢波資訊洪水之前，仲有一件事令數學界更坐唔穩：OpenAI 喺九月初提交咗一份 166 頁嘅 Navier-Stokes 方程式潛在證明，聲稱跟住西班牙數學家 Diego Córdoba 同 Luis Martínez-Zoroa 嘅路徑行。
證明用咗千億 tokens，但路徑同聲稱唔同
證明寫喺 Lean——一種形式驗證語言——入面。呢種語言會逐個邏輯步驟幫你核對，但寫出嚟嘅嘢本身唔係俾人讀嘅，人類要逐行拆解先至理解嘢喺講乜。Clay Mathematics Institute（CMI）由證明放出台起就一直在審閲。
問題出喺：唔止一個專家組表示，證明嘅實際方法同 OpenAI 宣稱嘅根本唔同。洛桑聯邦理工學院（EPFL）數學家 Gonzalo Cao-Labora 講：「去到細節層面，係另一種路徑。」佢話相似嘅只係表面。
公開之前仲有另一樁事：NYU 數學家 Tristan Buckmaster 指 OpenAI 嘅證明建喺佢同 Anthropic 嘅 Levent Alpöge 之前用公開模型做過嘅研究之上。OpenAI 否認，話從未用過 Buckmaster 嘅數據。但高級研究所（IAS）嘅 Camillo De Lellis 指出，語言模型係黑箱，要給出定斷答案大概係不可能嘅。
十萬個 agent 跑咗 88 小時，貢獻乜，冇人知道
更耐人尋味嘅係第二件事：連 OpenAI 自己都唔知道呢個千億 token 嘅多 agent 架構實際幫你做到乜。
OpenAI 部署咗約 10,000 個模型實例，跑咗大約 88 小時，用咗 1300 億 tokens。OpenAI 研究員 Noam Brown 直言，冇人真正知道呢支「agent 大軍」對最終結果貢獻咗乜。呢個規模嘅行為根本冇人研究過，原因好實際：用幾千個 agent 跑系統性對照測試，成本太高。冇人試過一個 agent 獨立解決同一個問題要幾耐，10,000 個 agent 對 1,000 個有乜具體優勢，幾乎冇辦法量度。
Brown 自己將成果入面歸因於多 agent 架構嘅比例估喺 10% 以下。佢話呢種系統又新又炫，所以被歸功過度；真正有用嘅係底層模型本身——可以長時間持續處理任務、可以並行運行。
模姐驗嚇貨
呢篇報道有兩個重點值得拆。第一，方法論爭議同黑箱驗證問題。證明用形式語言寫成，理論上每個步驟都可由 Lean 驗證器核對——呢個係好事，比人手論文更客觀。但「方法跟邊個」呢個問題，就同問「呢個語言模型係咪偷咗你嘅數據」一樣，黑箱內冇可驗證答案。第二，多 agent 架構嘅真實貢獻完全冇被獨立測試。冇對照、冇基線、冇樣本量，1300 億 tokens 換嚟嘅係一個未獲確認嘅 166 頁文件。呢唔係 OpenAI 一家嘅問題——係整個 AI 生成研究嘅驗證框架都未跟上呢個規模。
模姐｜深度調教
