OpenAI 通用推理模型证明 1946 年单位距离猜想

据 OpenAI 官方博客 披露，OpenAI 发布的通用推理模型自主破解了 1946 年提出的平面单位距离问题。该模型通过构建包含至少 n^{1+\delta} (其中 \delta \approx 0.014) 个单位对点的集合，彻底打破了持续 80 年认为网格构造是最优解的数学猜想。这一由 125 页思维链推理构成的证明，经 Noga Alon 和 Timothy Gowers 等顶级数学家验证，标志着 OpenAI 通用推理模型 在独立解决前沿基础科学难题上取得了里程碑式进展。

模型破解 80 年单位距离猜想

平面单位距离问题由 Paul Erdős 于 1946 年首次提出，旨在探讨在平面上放置 n 个点时，最多能形成多少对距离恰好为 1 的点。该问题一直是组合几何领域最著名的未解之谜之一。自 Erdős 提出该猜想以来，学术界长期认为由正方形网格缩放构造的点集是最大化单位距离对数的最优方案，即随着点数 n 的增长，单位距离对的数量增长上限被严格限制在 n^{1+o(1)} 的框架内，超出这一界限极其困难。

此次通用推理模型输出的证明彻底推翻了这个维持近八十年之久的既定认知。模型成功构造出一系列无限点集，证明对于无穷多的 n 值，其能够形成至少 n^{1+\delta} 个单位距离对，其中固定指数 \delta > 0。普林斯顿大学数学教授 Will Sawin 随后对该证明进行了完善，确认可以取 \delta = 0.014。这一多项式级别的性能提升，直接证明了传统网格构造并非理论极限。

OpenAI 通用推理模型的代数数论证明

该证明的构建过程展现出惊人的逻辑深度与创造性。整个证明由 125 页的连续思维链推理构成，并未依赖针对数学特定领域训练的分类模型，而是由通用推理模型自主推演得出。其核心思路在于将经典的低维几何问题转化为极高维代数结构的对称性问题。

在技术实现上，模型彻底摒弃了用于原始下界证明的高斯整数，转而使用代数数论中更为复杂的扩张数域结构。通过应用无穷类域塔理论和 Golod-Shafarevich 理论，模型不仅构造出了满足几何条件的点数分布，更证明了这些极其复杂的代数数域在数学上真实存在。这种将深邃的代数数论工具跨界应用于欧几里得平面几何的尝试，在整个离散数学研究中极为罕见，为求解同类问题开辟了全新的理论路径。

数学家的外部验证与评价

鉴于该结论直接颠覆了经典组合几何的核心猜想，外部数学界对其进行了极其严谨的审查与验证。普林斯顿大学 Noga Alon、剑桥大学 Timothy Gowers 以及耶鲁大学 Arul Shankar 等顶尖学者不仅共同核实了证明的严密性，还撰写了同行评议性质的同伴论文，详细阐释了这一成果对数学界的深远意义。

图灵奖得主 Tim Gowers 在同伴论文中直言，这是人工智能数学研究中的重大里程碑。Arul Shankar 进一步指出，当前的 OpenAI 通用推理模型已经超越了辅助人类进行简单检索与计算的工具定位，具备了自主提出原创且巧妙的数学构思，并将其完整推演至结论阶段的能力。Noga Alon 同样认为，得出 n^{1+\delta} 这一非预期结果令人惊讶，其背后运用的代数工具既精妙又严谨，堪称一项杰出的成就。

跨学科科研协作的长远意义

这一成果的突破性不仅在于解决了一个具体的数学猜想，更在于展示了人工智能参与前沿基础科学研究的全新范式。正如同伴论文中 Thomas Bloom 所强调的，AI 生成的证明向数学家们展示了代数数论构造在解决此类几何问题上的巨大潜力，未来极有可能指引众多数学家对其他离散几何猜想进行交叉探索。

OpenAI 首席科学家 Noam Brown 及研究团队认为，拥有维持复杂论点连贯性、跨越遥远知识领域建立有效连接的能力，是当前通用推理模型的核心价值。这种能力不仅在数学领域举足轻重，在未来同样能够广泛赋能生物学、物理学、材料科学以及药物研发等高度复杂的科研场景。人类研究人员负责选择真正重要的科学问题并进行最终解读，而模型则负责探索海量的推演路径，二者的高效协作将极大加速基础科学的发现进程。

尽管模型展现出的长程推理与交叉领域结合能力令人瞩目，但 125 页思维链的严密性完全依赖人类专家的逐行复核。AI 在数学发现中的角色目前仍是高效探索辅助，其自主引领科学范式转移的潜力，仍需待更多跨学科难题得到独立复现与验证。