跳转至

A recent experience with ChatGPT 5.5 Pro | Gowers's Weblog

Ch01.073 A recent experience with ChatGPT 5.5 Pro | Gowers's Weblog

📊 Level ⭐ | 7.7KB | entities/a-recent-experience-with-chatgpt-55-pro-gowerss-weblog.md

A recent experience with ChatGPT 5.5 Pro | Gowers's Weblog

-> 原文存档

摘要

菲尔兹奖得主 Timothy Gowers 记录了 ChatGPT 5.5 Pro 在两小时内将加性数论中 h 倍和集直径问题的上界从指数级改进为多项式级（N(h,k) ≤ O(k^{10h³})）的完整过程，成果获 MIT 学生 Isaac Rajagopal 评估为"几乎肯定正确"的博士级数学，而 Gowers 自认数学输入为零。 文章同时引爆了关于数学研究门槛、博士生训练方式、AI 成果发表机制与"想法价值"经济学的广泛讨论。

核心要点

  • 实验设定：Nathanson 论文提出 R(h,k)（存在 |A|=k 且 |hA|=t 的可实现尺寸集合）与 N(h,k)（用 k 元集合在 {0,…,N} 内实现所有 R(h,k) 尺寸所需的最小直径）两个参数；交给 ChatGPT 5.5 Pro 的任务是收紧 Rajagopal 已有的指数上界。
  • h=2 的快速胜利：思考 17 分 5 秒即给出二次直径上界（显然最优），关键在于用更高效的 Sidon 集替代 Nathanson 论证中的 2 的幂构造；restricted sumset 变体也毫无困难地解决。
  • 逐步推进的时间线：16 分 41 秒把上界从指数 k 改进到指数 k^α（α>1/2），47 分 39 秒写成 preprint；随后自评多项式界可行、主动要求核查两个技术断言（13 分 33 秒 + 9 分 12 秒），最终 31 分 40 秒产出完整 preprint——全程不到两小时。
  • 原创核心想法：利用 h²-解离集（源自 Singer 1938、Bose–Chowla 1963 的有限域构造）造出"半个几何级数挤进多项式区间"的集合 G、H，控制阶数 ≤ h 的低阶加性关系；Rajagopal 认为该想法完全原创，属于他"苦思一两周才能想出"的创意。
  • 水平定位：Gowers 评为"组合学博士论文中完全合理的一章"——重度依赖 Rajagopal 的框架、非惊人成果，但确是非平凡的扩展。
  • 范式冲击：LLM 能解"温和问题"意味着"给新生一个相对简单的开放问题"的传统起步法不再成立，贡献数学的下限变成"证明 LLM 证明不了的东西"。

深度分析

从"拼接已有知识"到"真正的原创想法"

Gowers 回顾了 LLM 数学能力的升级轨迹：早期 LLM 解决 Erdős 问题多是因为答案已在文献中或可由已知结果轻松推出，人类尚可用"只是组合已有知识"安慰自己。本实验的关键转折在 Rajagopal 的评估：把上界改进到指数 k^{1/2+ε} 只是对他工作的"常规修改"，但 h²-解离集的想法本身是完全原创的——事后虽可动机化（几何级数 S、T 的低阶关系皆由 mx=y 型关系复合而成，解离集 U 恰好排除其余低阶关系），Rajagopal 却明确表示自己当时不知从何构造。 这标志着 LLM 的贡献从"检索与组合"跨入了"独立产生值得数周苦思的创意"的区间。

组合学为何是 LLM 的"主场"

Gowers 指出组合学高度问题导向：从一个问题出发反向推理，技术栈集中（用已知技术组合出新结果），因此特别适合 LLM。他同时划定边界：其他领域更强调前向推理——从一组想法出发看它通向何处，并需区分有趣与无趣的观察，LLM 在这方面的能力尚属未知。 评论区也有研究者观察到量子群、Langlands 纲领等理论密集领域缺乏类似成功报告，并担忧这究竟是模型无能还是专家无意尝试。

AI 数学成果的信任架构

Gowers 的验证链条高度"人类中心"：他先花时间亲自说服自己论证正确，preprint 经 Nathanson 转交 Rajagopal，获"几乎肯定正确"（不仅逐行、更在想法层面）的评价。 这引出发表问题：若成果出自人类即可发表，称之为"AI slop"并不妥当；但 arXiv 拒绝 AI 内容有其合理性。Gowers 提议建立独立仓库，配以人类数学家认证（最好由证明助手完成形式化验证），并只收录回答人类论文所提问题的成果。评论区 Moses Charikar 转述陶哲轩的"高速公路 vs 人行道"类比，另有人引用 arXiv:2604.16476 作为初步尝试；Ingo Althöfer 提出的"ping-pong 验证法"（AI1 输出 TeX、AI2 找错、反馈修复）被视为提升可靠性的实用路径。

想法价值的经济学：从稀缺到丰裕

John Baez 在评论区提出一个关键框架：若想法的价值来自稀缺性（难以产生），自动化将使价值暴跌；若来自效用（带来的收益），则更多好想法反而是好事——数学家需要适应从稀缺经济到丰裕经济的转型。Gowers 本人的思想实验（数学家引导 LLM 解决重大问题，算谁的成就？）指向更冷静的结论：把名字与特定定理永久绑定的时代可能接近尾声，但解决难题所获得的、对解题过程本身的洞察仍高度可迁移——正如优秀程序员更擅长 vibe coding，精通数学的人也更擅长判断 AI 输出何时出错。

实践启示

  1. 研究门槛重定义：贡献数学的下限从"证明没人证明过的东西"变为"证明 LLM 证明不了的东西"；提出好问题与判断研究方向的能力成为人类数学家的核心资产。
  2. 新人训练路径："温和问题"起步法失效，新生应转向"与 LLM 协作、证明 LLM 独自搞不定的事"；人机协作本身成为博士训练的一部分。
  3. 技能可迁移性：独立解决难题的经验使人更擅长 AI 辅助解题（类比 vibe coding 与心算对计算器使用的影响），数学作为"思考训练"的价值不降反升。
  4. 成果信任机制：AI 数学成果需要新的发表生态——独立仓库、人类认证、证明助手形式化验证；arXiv 现行拒绝政策被认为合理但不够。
  5. 验证方法论：多模型 ping-pong 审查（AI1 产出 TeX 证明、AI2 逐行找错、反馈修复）可大幅提升 AI 证明的可靠性，值得纳入常规工作流。
  6. 访问不平等：顶级推理模型价格昂贵、部分仅限内部访问，数学曾是为数不多不依赖昂贵资源的研究领域，如今可能演变为"哪个学生能访问最好的 LLM"的竞赛——Gowers 建议 OpenAI 等公司向欠发达地区提供更多免费订阅。

相关实体