浙大校友王宜平携自研AI刷新拉姆齐数世界纪录

困扰数学界长达32年的拉姆齐数经典难题近日被彻底攻克！

浙江大学校友王宜平自主研发AI框架ScaleAutoResearch-Ramsey，成功将拉姆齐数R(3,17)下界从92提升至93，打破了自1994年以来停滞不前的学术僵局。

与此同时，他还将R(4,15)下界刷新至160，研究成果直接超越谷歌DeepMind同期AlphaEvolve的表现。

值得注意的是，这项世界级数学突破并未借助超级计算集群，仅依靠Claude Code、Codex配合单台CPU服务器便完成了全部研究工作，相关成果已完全开源。

“倘若外星人向地球发起挑战，要求我们给出R(5,5)的精确值，人类应倾尽所有算力应对；然而若要求的是R(6,6)，我们或许不如直接选择开战。”

数学大师保罗·埃尔德什的这句戏言，深刻揭示了拉姆齐数研究的极端困难程度。

作为组合数学的核心课题，拉姆齐数本质上是在探寻“无序中必然产生秩序”的临界阈值。

若用通俗的派对场景来解释R(3,17)下界：

无论派对参与者如何随机互动，必然存在3个彼此相识的小团体（对应数学中的三角形结构），或17个完全互不相识的人（对应“17点独立集”），这个最小人数即为R(3,17)的精确值。

然而求解这一数值远比预想中困难得多。

目前R(5,5)的精确值仍被困在43-48的区间，而计算R(6,6)的难度甚至超过了向外星人开战……

自1994年数学家Wang-Wang-Yan将R(3,17)下界锁定在92后，全球顶尖研究团队轮番挑战却始终无法突破，渐渐演变成跨越32年的学术僵局。

此外，该研究成果与图论、算法设计、网络优化等关键领域密切相关，从人工智能到通信网络都能发现其应用价值，是数学与计算机科学交叉领域的热门研究方向。

王宜平的突破源于一次“逆向思维”的大胆尝试。

此前，传统研究方法的路径是：

首先构造一张不含三角形的图，再逐步压缩其中的独立集规模。

但无论算法如何优化，在92个顶点的约束下，独立集始终停留在18个，无法降至16个的目标值。

王宜平则另辟蹊径：

放弃初始无三角形的约束条件，先构建一张独立集不超过16个但包含少量三角形的图，再通过AI的复合删除修复策略逐步移除三角形，同时处理修复过程中新产生的独立集冲突。

他融合了karpathy autoresearch、AlphaEvolve、拉姆齐数综述等成熟方案，构建了一套AI自我迭代进化的研究框架，使AI能够持续沿用过往的有效探索成果，向更深、更细的方向持续深耕。

系统同时启动多组独立智能体，采用不同算法、不同初始参数并行搜索图结构空间，有效规避陷入局部无解的困境；

全程以结构冲突数为评判准则，将每次优化的更优图谱保存为基础模板，后续迭代在已有优质成果上继续打磨，依靠持续积累逼近最优解，这也是其与谷歌AlphaEvolve的核心区别；

所有推演结果均通过专业核验工具严格筛查，精准验证图中是否存在违规三角形、是否超出独立集数量上限，每个关键突破节点都有完整核验记录，从根本上确保研究结果的严谨性与可信度。

这套AI框架从最初仅含12个三角形的图结构起步，如闯关升级般逐步推进。

12个、11个、10个……每一步都需要平衡“删除三角形”与“控制独立集”的矛盾，最终在92个顶点上成功构造出一张完美图谱——

既不存在三角形，也不包含17个互不相连的点，直接证明了R(3,17)≥93。

该框架还顺便解决了R(4,15)的下界问题，将其从159提升至160。

而就在今年，谷歌DeepMind的AlphaEvolve仅复刻了R(3,17)的旧下界92，未能实现实质性突破。

王宜平本科毕业于浙江大学竺可桢荣誉学院，获计算机科学与数学双学位。

现为华盛顿大学保罗·G·艾伦计算机科学与工程学院博士研究生。

现任xAI技术团队成员，曾在微软实习。长期研究目标是开发安全、可扩展的超人类AI系统，推动科学进步。

近期研究重点集中于大语言模型的推理强化学习及AI for Math领域，同时涉及多模态和机器学习理论等方面。

此外，中科大马杰教授、清华申武杰、中科大谢晟捷团队也在拉姆齐数研究中实现了78年来首次指数级理论改进。

相关成果已发表于数学四大顶刊之一《Inventiones Mathematicae》（《数学新进展》）；

从宏观数学规律层面显著提升了拉姆齐数下界的增长阶数，相当于为该类问题的求解设定了更高的理论天花板。