OpenAI 模型自主推翻 Erdős 80 年猜想：AI 数学推理的里程碑时刻

📌 论文信息

来源：OpenAI 官方博客 | 发布日期：2026-05-20

证明全文：unit-distance-proof.pdf | 数学家评注：unit-distance-remarks.pdf

🔥 核心问题

1946 年，Paul Erdős 提出了一个看似简单的问题：在平面上放置 n 个点，最多能有多少对点之间的距离恰好为 1？这就是著名的「平面单位距离问题」（Planar Unit Distance Problem），被 Brass、Moser 和 Pach 在 2005 年的经典著作中称为「可能是组合几何中最著名且最容易解释的问题」。Erdős 本人甚至为解决此问题悬赏奖金。

近 80 年来，数学界普遍相信「方格构造」已经是最优解——即通过缩放正方形网格来最大化单位距离对数。这种构造给出的增长率为 n^(1 + C/log log n)，仅比线性增长稍快。Erdős 据此猜想，任何构造的上界都不会超过 n^(1+o(1))。然而，一个通用推理模型彻底推翻了这个猜想。

OpenAI 的模型构造了一个无穷族的例子，证明存在固定的指数 δ > 0，使得对无穷多个 n 值，可以构造 n 个点的配置，拥有至少 n^(1+δ) 个单位距离对。普林斯顿数学教授 Will Sawin 后续给出了明确的 δ = 0.014。这意味着存在一个多项式级别的改进，彻底打破了方格构造的「最优神话」。

📊 关键数据

• 问题历史：1946 年由 Erdős 提出，近 80 年未被解决
• 此前最优构造：方格网格，增长率为 n^(1 + C/log log n)，仅略超线性
• 此前最优上界：O(n^(4/3))，由 Spencer、Szemerédi、Trotter 于 1984 年证明，此后基本未变
• 新结果：无穷多个 n 值下可达 n^(1+δ)，Will Sawin 确认 δ = 0.014
• 验证状态：已通过一组外部独立数学家审核确认

🏗️ 技术架构 / 设计

• 起点——高斯整数推广：Erdős 的原始构造基于高斯整数（a+bi），利用唯一分解性质生成单位距离对。新证明将其替换为具有更丰富对称性的更复杂的代数数论对象
• 核心工具——无穷类域塔与 Golod-Shafarevich 理论：证明使用了代数数论中成熟的工具，证明所需数域确实存在。这些工具对代数数论学家很熟悉，但将其应用于欧几里得平面的几何问题令人震惊
• 证明策略——跨领域迁移：模型自主发现了从代数数论到离散几何的桥梁。这不是针对数学训练的专用系统，而是一个通用推理模型在 Erdős 问题集上测试时自主产生的证明
• 推理链——从直觉到严格：模型通过搜索证明策略，保持长链推理的一致性，最终产出经得起专家审查的完整证明。数学提供了最清晰的推理检验场——问题精确、证明可验证、长论证必须前后一致

🧠 关键洞察

💭 引发思考

这个结果的意义远超离散几何本身。正如文章所言：「如果一个模型能保持复杂论证的连贯性、连接遥远领域的知识、产出经得起专家审查的工作，那么这些能力在生物学、物理学、材料科学、工程学和医学中同样有用。」这暗示着 AI 正从「工具」向「研究伙伴」的角色转变——不是替代人类的创造力，而是极大地扩展了人类探索知识前沿的能力边界。

但值得警惕的是，正如文章最后强调的：「未来仍然取决于人类判断。专业能力变得更重要，而非更不重要。AI 可以帮助搜索、建议和验证，但选择重要的问题、解释结果、决定下一步探索方向的仍然是人。」在拥抱 AI 推理能力的同时，保持人类在科学探索中的主体性，将是未来最重要的课题之一。

📎 相关阅读

• OpenAI 官方博文
• 证明全文 PDF
• 外部数学家评注
• 模型推理链摘录

逍遥云初 | 2026.06.01