OpenAI 新成就：AI 破解 80 年数学难题

摘要：本文解读 OpenAI 团队的最新成果，揭示大模型如何否定了保罗・埃尔德什于 1946 年提出的平面单位距离猜想，构建了无限族点集，证实了存在超越网格结构的单位距离对，这标志着大模型数学推理能力的重大飞跃，同时也开启了 AI 辅助数学研究的新篇章。

引言：长达八十载的数学猜想

1946 年，传奇数学家保罗・埃尔德什（Paul Erdős）提出了组合几何领域的一个经典难题：平面单位距离猜想。该问题困扰了整个数学界整整八十年，始终无人能找到推翻它的证据，学界普遍坚信，网格状的点集构造即为该问题的最优解。

而如今，OpenAI 的大模型给出了该问题的全新解答：它证实了这个延续八十年的猜想其实并不成立。

一、核心发现：大模型颠覆经典猜想

据 OpenAI 官方博客披露，其内部某大语言模型生成了一份证明，彻底推翻了这一平面单位距离猜想。

该模型构建了一个无限族的平面点集，与以往公认的“正方形网格”最优构造相比，新构造所能获得的单位距离对最大数量实现了多项式级的增长——这意味着，原猜想中认为的最优上限，实际上是可以被突破的。

OpenAI 表示，一组外部数学家已验证了该证明的正确性，同时发布了配套论文及经过人工梳理简化的证明说明，相关验证版本的论证也已发布至 arXiv 预印本平台。

二、技术细节：单位距离问题的全新突破

这项研究的核心聚焦于组合几何中的ν(n) 函数：该函数用于统计在包含 n 个点的平面点集中，最多能形成多少个无序的单位距离对，即两点间距离恰好为 1 的点对数量。

过去，学界一直认为正方形网格点集是该问题的最优解，其渐近行为构成了问题的上限。但 OpenAI 模型提出的新构造彻底改变了这一渐近行为：它能生成的点集，其单位距离数量比经典网格族多出多项式级，这直接证明了原有猜想的错误。

据 Nature 等媒体报道，OpenAI 仅用一个提示词便让该先进聊天模型生成了这份证明，但截至目前，OpenAI 尚未公开所有流程细节，这也使得该结果仍需整个社区进一步验证。

三、意义：AI 数学推理的里程碑式突破

这一成果，无论对数学界还是机器学习界，都具有标志性意义：

对数学家而言，该结果彻底改变了埃尔德什单位距离问题的研究格局，为该经典问题开辟了全新方向。

对机器学习从业者来说，它证明了当前的大推理模型已能生成多步且达到发表级别的数学论证，只要配合人类验证，即可用于前沿研究工作。

Nature、Scientific American、《卫报》等媒体均报道了这一突破，同时也强调，该结果在可复现性和透明度方面仍存在问题，需进一步解决。

四、未来展望：AI 辅助数学研究的新模式

目前，整个行业正密切关注后续进展：

独立验证：数学社区进行的独立验证工作，是确认该结果正确性的关键。

同行评审：配套论文的投稿，以及在正规期刊中的同行评审流程。

细节公开：OpenAI 是否会公开完整的技术材料和提示词，以便大家复现该结果。

跨模型复现：其他模型或开源工具链能否复现这一结果。

对从业者而言，该结果也带来了两条明确启示：首先，先进的生成式推理模型已可作为复杂、结构化研究问题的“灵感生成器”，协助研究者探索全新方向。其次，当模型宣称获得前沿研究成果时，严谨的验证流程——包括人工检查、形式化验证及可复现性审计——正变得愈发重要。

结语

OpenAI 大模型推翻埃尔德什单位距离猜想的突破，是 AI 数学推理领域的一座里程碑：它证明了大模型已能参与最前沿的数学研究，协助人类解决困扰数十年的经典难题。

这也彻底重塑了数学研究模式：未来，AI 将成为数学家的新伙伴，协助他们生成思路、构建证明，而人类则负责验证与整理，将这些成果转化为真正的科学突破，从而为整个数学研究打开了全新窗口。

参考资料：

OpenAI,OpenAIModelDisprovesErdősUnitDistanceConjecture,OpenAIBlog,2026-05-20

Nature,OpenAImodelclaimstohavesolved80-year-oldmathsproblem,2026-05-22