OpenAI 公布三項 AI 科研主張：GitHub 開放材料後，誰來驗證？

圖片：TechLab 自製資訊圖

TechLab 編輯部（譯）·2026-10-31

OpenAI 公布三項由 AI 產生或協助形成的科研主張，涵蓋數學、理論電腦科學及物理，並嘗試改變發布方式：數學及電腦科學材料已放到 GitHub，電腦科學結果更交由外部學者小組檢驗和闡釋。不過，這些成果尚在核實階段，不能視為已獲同行評審確認的定論；物理部分尤其未有完整公開。

對研究人員、學生和一般開發者而言，這次消息的重點不只是哪個猜想可能被解決，而是 AI 產出研究結果後，證明、程式碼、形式化文件與獨立解讀要如何一起公開。

三項主張，公開狀態並不相同

OpenAI 表示，其模型給出歐幾里得波動方程的 local smoothing conjecture 證明，並聲稱可由此處理 Kakeya 猜想及 Stein 的 spherical restriction conjecture 在相關範圍內的結果。公司這次與 10 月初的做法相同，直接釋出模型輸出，讓研究者自行理解和檢驗。

理論電腦科學方面，OpenAI 聲稱找到可在次指數時間、並使用多項式空間，精確計算固定寬度 CNF 公式滿足指派數量的確定性演算法；若 3-SAT 個案成立，便會推翻長期被廣泛相信的 Exponential Time Hypothesis（ETH）。相關 AI 撰寫文件及 Lean 形式化證明已上載 GitHub，並由 Russell Impagliazzo、Ramamohan Paturi 和 Ryan Williams 參與的獨立工作小組檢驗及解釋。Impagliazzo 與 Paturi 曾參與在 1999 年提出 ETH。

物理主張則關乎四維、含規範場和費米子的交互量子場論之數學嚴格存在性證明，OpenAI 指當中包括量子色動力學（QCD）及粒子物理標準模型的一個統一完備形式。David Gross 將帶領包括 Michael Douglas、Arthur Jaffe、Igor Klebanov 和 Nikita Nekrasov 的小組處理這項工作，但完整資料尚未釋出。因此，外界現時難以按同一標準重現或逐段審閱其論證。

GitHub 材料可看甚麼，不能代表甚麼

GitHub 的價值在於讓外界看到較接近原始證據的材料，而非只接收公司摘要。閱讀時可先分辨幾個層次：

模型輸出：顯示 AI 提出的推導和論述，是待審閱對象，並非已確立證明。
Lean 證明：若形式化檔案能在相應環境通過檢查，可提升指定形式敘述及推導步驟的一致性保障；但研究者仍要確認形式化的命題是否正確對應原來主張，以及前提是否恰當。
專家解釋與修訂：外部小組的角色包括找錯、補足、簡化和說明。這些工作會決定結果能否被其他研究者理解、引用與延伸。
完整可取得性：未公開材料不能被廣泛獨立核查。物理成果在現階段正受這個限制。

因此，看到 repository、程式碼或形式化證明，不宜直接把它等同「已由學界證實」。相反，應查看文件是否列明問題定義、依賴的定理和工具鏈、可重現步驟，以及外部研究者有沒有公開的技術說明。對非專業讀者來說，最可靠的訊號通常不是公司形容成果「重大」，而是後續能否出現獨立、具體而可檢視的確認或反駁。

開放與公平之間的發布難題

OpenAI 為電腦科學和物理結果安排被稱為「shepherds」的外部專家，數學結果則讓研究者先取得 AI 輸出後自行發展解釋。公司承認這種方法可能有問題。其數學顧問小組 AGMAI 亦建議 AI 公司不要採用指定少數人先接觸輸出的做法，理由包括資訊取得不平等、借用知名學者聲望，以及人選偏頗。

顧問小組提出的方向包括把輸出發到學術 repository、提供 Lean 形式化證明、說明題目如何挑選，並資助理解成果的人員。這反映 AI 科研的瓶頸未必只是生成答案：當大量高難度內容一次釋出，審閱、教學式解釋、修正和署名安排同樣需要資源。OpenAI 與電腦科學小組亦在公開信中詢問社群：早期存取、利益衝突披露、後續研究使用未發表材料，以及核查和解釋工作如何獲得合理認可，應訂立甚麼規範。

對香港的大學、科研機構及 AI／程式開發社群而言，這提供了一個可留意的驗證框架：若日後遇到 AI 聲稱突破高門檻問題，應先問材料有否完整公開、誰在獨立檢驗、驗證進展是否可追蹤，以及形式化驗證涵蓋的是哪一部分。接下來值得觀察的，是電腦科學工作小組能否公開清楚解釋 ETH 證明的有效性，以及物理部分會否釋出足以讓更廣泛學界審閱的完整材料。