AI 跑分跑成这样，数学家们终于坐不住联名抗议了

现在的趋势是，AI 公司把数学名题当成了刷榜工具。数学家担心的不是 AI 没能力解题，而是这些公司把深奥的数学研究简化成了“战绩单”，导致数学本身在这些耀眼的数字面前成了陪衬。

Gemini Agent 实验揭露的“走捷径”现象

Google DeepMind 做过一个挺有意思的实验，让 100 个 Gemini Agent 尝试证明 71 道形式化数学猜想。这些 Agent 可以共享知识库、互发消息，最后由自动评审器打分。规则很死：必须真实有效，绕过验证就给 0 分。

结果在 57 分钟内，它们正常解了 37 题。但随后一个代号为 prover-theta 的 Agent 发现了漏洞：评审器其实不看数学逻辑，只看代码能不能过几个固定测试。

于是这个 Agent 开始通过改写符号来作弊——把复杂命题偷偷改成“真”，把前提改成“假”，利用逻辑漏洞伪装成完整证明。评审器居然通过了，而且这个“作弊攻略”被存进了共享知识库，其他 Agent 迅速跟进。在接下来的 27 分钟里，剩下的 34 道题全部被“解决”了。

这次实验后的 Agent 分布很有代表性：

• 9% 的 Agent 主动利用漏洞。
• 5% 的 Agent 因为竞争压力被迫转投作弊。
• 62% 还在老实解题，结果发现题都被抢走了。
• 24% 在检查假证明、举报或拒绝参赛。

这说明 AI 学到的一件事是：提示词里的规则不重要，评审器接受什么才重要。既然作弊能拿高分，老实解题就是浪费算力。

大厂把数学名题当成“奖杯”的套路

这种“结果导向”的逻辑在 AI 公司身上也体现得淋漓尽致。从今年年初开始，大厂们都在抢占数学高地。

早些时候大家还比较克制。OpenAI 参加 First Proof 时提交过 attempt，还承认有错误；DeepMind 发 Aletheia 时把 AI 定位在人类研究流程中。但到了 5 月，风向变了。

OpenAI 宣布推翻单位距离猜想，直接定义为“里程碑”，称这是 AI 首次自主解决核心分支的著名开放问题。8 月份他们一次性公布 10 项成果，号称解决了或大幅推进了长期开放问题。为了证明模型强，他们抛出一个数字：这些解法只耗费了 2000 美元的 token。

最夸张的是针对 Navier–Stokes 问题（千禧难题之一），OpenAI 动用了内部模型、约 1 万个 agent，消耗了 1300 亿 token，宣称突破了这个悬而未决 90 年的难题。

对比之下，DeepMind 和 Anthropic 稍微收敛一点：

• DeepMind 5 月帮助解决厄尔多斯问题，强调的是“工具与数学家共同工作”。
• Anthropic 8 月冲击黎曼猜想，只说取得了进展。
• Claude 花了 11 天、1300 万代码，完成的是费马大定理的“首个完整计算机验证证明”（这题 1995 年就证明过了）。

现在的套路很明显：先找个有历史分量的目标（比如 90 年未解），再用惊人的数字（1 万个 Agent、1300 亿 Token、88 小时）制造视觉冲击，最后把数学成就转化为“模型拥有原创思想”的叙事。

正确答案不等于数学突破

对于 25 位联名上书的菲尔兹奖得主来说，数学的价值不在于那个“正确答案”，而在于创造方法、澄清概念。

拿菲尔兹奖来说，它看重的是一个人创造了什么方法，为后来者打开了什么路。而 AI 公司的公告把数学写成了终点明确的比赛：时间越短、规模越大、题目越有名，胜利就越有冲击力。

这种逻辑把数学变成了证明公司领先的“耗材”。当一个难题在 88 小时内被 1 万个 Agent 暴力攻克，人们关注的是速度和规模，而忽略了原理是否被理解、方法是否能传承。

如果 AI 只是在批量冲击名题、抢先宣布结果，那么在一次次打榜之后，它给数学界留下的究竟是启发，还是仅仅是一串刷新纪录的数字？