数学家质疑 OpenAI 对其 Navier-Stokes 证明理解不足

OpenAI 于 9 月初公布了一份 166 页的 Navier-Stokes 问题潜在解法，声称沿用了西班牙数学家 Diego Córdoba 与 Luis Martínez-Zoroa 的思路。但 EPFL 数学家 Gonzalo Cao-Labora 表示，细看细节后会发现这是另一种方法，两者相似只是表面层面的。该证明用 Lean 形式化验证语言写成，能逐条检查逻辑步骤，本身却不便于人类阅读，Clay 数学研究所已自发布起展开审查。 争议还涉及来源问题。纽约大学数学家 Tristan Buckmaster 在发布前指控 OpenAI 沿用了他与 Anthropic 的 Levent Alpöge 借助公开模型完成的工作，OpenAI 否认使用其数据；普林斯顿高等研究院的 Camillo De Lellis 认为，由于语言模型是黑箱，确定答案恐怕不可能。10 月初 OpenAI 又在 GitHub 上松散地放出约 400 项新结果，数学界难以跟上，不少人认为这贬低了该领域。 算力投入同样存疑：OpenAI 部署约 1 万个模型实例、运行约 88 小时、消耗 1300 亿 token。研究员 Noam Brown 承认没人真正清楚这个智能体集群贡献了什么，他把成功归因于多智能体设置的比例不到 10%，认为关键在于基础模型能长时间持续处理任务并并行运行。对做形式化验证和长任务推理的研究者来说，这意味着评估方法时应把基线模型与集群规模分开测量。