Benchmark辅助重构精简OpenAI第328号证明的Lean代码
报告作者称,他们使用自研数据管线,并通过人机协作,对OpenAI公开的第328号数学证明进行重构。改写后的论证以基于紧致性和有限交性质的方法,替代了调用König无穷引理构造无限分支的步骤。作者表示,将改写接回原证明工程后,改写版本通过了Lean形式化验证。去掉空行和块注释后,涉及的三个Lean文件从232行降至153行,减少79行,降幅约34%。
该报告展示了一个具体案例:利用数学哲学标签和定理依赖关系指导证明重构,再通过Lean检查改写后的论证;作者同时报告了相关代码的大幅缩减。
不久前我们介绍了一套在设计中的全新的“数学哲学思想识别 Benchmark”。
当时,在研究 OpenAI “攻克”千禧年大奖难题 Navier–Stokes 方程的时候,我们提出了一个问题:不考具体算术和背公式,大模型到底能不能从天书般的定理里,读懂背后的“数学哲学”?
在那次涵盖 Claude Opus 5.5、GPT-6 Sol、Gemini 3.8 Flash、GLM-5.3、Qwen3.8-Max、Kimi-K3 等十款模型的横评中,我们发现了多个有趣结论,其中一个耐人寻味的现象是,推理 Token 消耗得越多,模型未必答得越好。
有的模型仅用约 50 个推理 Token 就拿下了 92.7% 的准确率;而有的模型疯狂思考直至耗尽 2,048 Token 的输出上限,依然在死胡同里打转交了白卷。
不久之后,OpenAI 又公开了 700 多份由内部模型生成的数学手稿。这再次引发了轰动与争议:AI 确实能推演出极长的结果,但这些动辄数百行的证明到底对不对、有没有把原命题写歪,依然让人类核验者头疼不已。
#OpenAI#Lean#König infinity lemma#Mathematical Philosophy Benchmark