近期數學突破概況與問題複雜度模型

5月，OpenAI內部模型發現了Erdős單位距離猜想（自1946年懸而未決）的反例；隨後在6月發表Cycle Double Cover (CDC)問題的證明，並在7月前解決了其他十個開放問題，於9月給出Navier-Stokes方程的證明。Anthropic則完成了費馬最後定理的形式化及黎曼假設邊界的推進。

數學家 Timothy Gowers 提出一個評估問題難度的心智模型：解決問題所需的難度等於「重現該證明所需的最短提示序列長度」加上「發展這些提示所需的工作量」。公式可簡化為 2^k + t，其中 k 為洞察（Insight）數量，t 為執行工作。

以單位距離猜想為例，Gowers 指出關鍵提示僅有三步：尋找反例、推廣最佳已知構造、嘗試增加次數的數域並處理有界範數的素理想。這顯示問題難度隨所需洞察數量呈指數增長，而大部分時間花費在洞察之間的執行工作上。

人類與 AI 搜尋策略的根本差異

人類專家採用「廣度優先」搜尋：生成多個候選方向，淺層探索後迅速放棄無早期成果的方向，僅承諾少數有前景的路徑。這是因為開發一個想法可能耗時數月，研究者需要強烈的概念承諾或早期結果作為繼續投入的理由。

相反，大型語言模型（LLM）採用「深度優先」搜尋：給定單一提示，模型會嘗試將其推導至結論。透過並行測試時間計算（Parallel Test-Time Compute），模型可同時探索多個路徑直至完成。

這種差異的關鍵在於驗證機制。人類無法快速判斷半發展的想法是否可行，而 AI 若搭配自動化驗證器（Automated Verifier），可在幾分鐘內判斷完整論證的有效性。這使得嘗試低品質或看似不可能的提示變得理性且低成本。

失敗作為負向提示：AI 的迭代架構

AI 系統利用預訓練知識與先前失敗經驗來指導搜尋。一個典型的 Harness（執行框架）包含三個角色：Drafter（起草者）根據模型先驗與過去錯誤生成提示；Solver（求解器）產生候選解；Verifier（驗證器）檢查論證有效性。

每一次失敗的嘗試都會成為下一輪迭代的「負向提示」。例如在 CDC 問題的提示中，明確排除了特殊圖類證明、部分覆蓋構造等常見但不足的解法，並要求對抗性代理檢查重複邊、斷開圖等具體失敗模式。

這種機制讓模型能累積關於「什麼已失敗及為何失敗」的指令。與人類因心理壓力（如士气、職業風險）而放棄無進展的路徑不同，AI 沒有心理負擔，可持續探索被專家認為錯誤的方向，直到驗證器確認結果或資源耗盡。

模型能力演進：鏈式推理、自我驗證與編排

近期模型在三個特定能力上的進步推動了數學突破：一是長程任務中的原語鏈接能力，降低了執行步驟間的工作量（t）；二是自我驗證能力，能在輸出前捕捉軌跡內的錯誤步驟，降低修剪成本；三是編排能力，能指揮子代理並利用記憶消除錯誤路徑。

以 Navier-Stokes 證明為例，該過程完成了 Córdoba 和 Martínez-Zoroa 先前工作的收尾，使用了 10,000 個代理、300B tokens 並在 88 小時內完成。這顯示模型擅長在概念跳躍較少但計算繁複的任務中發揮作用。

然而，驗證器只能判斷已完成的論證，無法評估半發展想法的潛力。在中間步驟缺乏修剪信號時，系統必須探索所有分支，這導致計算成本高昂。Tsimerman 指出，AI 的優勢在於能在數學家感到壓力的「險惡水域」中堅持更久。

預測 AI 解決問題的能力邊界

引入「分支因子」（b）概念：每一步可能的合理提示數量。若每步有 b 個選項，k 步洞察則產生 b^k 條路徑。人類依靠品味與判斷保持有效 b 值較小，而 AI 必須探索幾乎所有合理分支。

因此，AI 擅長解決那些「b^k × 計算成本」較小的問題，即解空間狹窄或中間步驟分支因子低（如網路安全漏洞利用鏈填充）的問題。尋找反例之所以強大，是因為它大幅縮小了解空間與 b 值。

反之，若問題需要大量洞察（高 k）或搜尋樹極深且分支多（高 b），即使對電腦而言也不可行。Gowers 預期人類在這些需要嚴格修剪與直覺的問題上仍保有優勢。

人機互補：縮小範圍與執行驗證

人類專家的價值在於縮小分支範圍並提供高價值的初始洞察，而 AI 擅長縮短修剪單一分支所需的時間。專家可利用模型探索想法的端到端結果，再決定是否值得投入數月時間深入研究。

這種互補關係建立在「失敗資訊」的共享上。人類從高信念度的失敗中獲得深刻見解，而 AI 的失敗多為廉價且未經審視的嘗試。若無法理解 AI 為何失敗，人類難以從中提取價值。

Terence Tao 強調，解決問題是發展數學理解的代理指標，過程中的解釋與連結比最終結果更重要。目前 AI 僅提供最終解，缺乏對失敗原因的透明解釋，這限制了其在深化領域理解方面的貢獻。