【本文由小黑盒作者@希喜于10月09日发布，转载请标明出处！】

10月，OpenAI对外公布719份AI生成的数学解答，覆盖372个结果族，包含数百个开放研究问题。该批材料最初10月6日于GitHub放出722份，次日因符号错误及连锁问题撤回3份，最终公开719份。

OpenAI表示发布前咨询了数学与人工智能顾问小组（AGMAI），但产出并未完全达到该小组制定的标准。

AGMAI要求AI实验室避免使用闭源专有模型测试高难度数学题，并且需要公开模型名称、提示词、推理链、计算耗时与成本等信息。但OpenAI依旧采用专有模型，仅10份手稿附带推理链。

同时顾问小组要求AI证明应当便于数学家审阅，然而这批稿件约42%没有经过形式化处理，缺少可供机器读取的关联元数据。AGMAI也明确，仅提供咨询，并不代表认可OpenAI的此次发布。该事件再度引发学界对AI数学成果透明度、形式化验证、同行评审的讨论。

数学家陶哲轩10月7日在mathstodon发文，他支持AI辅助数学研究，但反对将AI快速破解知名数学难题作为产品宣传目标。

他提出“证明消化不良”的观点：AI可以高速生成证明、反例，但人类难以完成理解、核验、教学与吸收，产生大量无法被消化的成果。

传统数学突破不止是得到答案，还包含学术报告、同行交流、证明简化、衍生新课题等完整链条；而AI解题往往只追求得出结果，缺少后续的学术交流与领域建设，发布者甚至无法解读AI输出的内容。

陶哲轩特别担忧，把纳维‑斯托克斯方程这类千禧年大奖难题当作模型能力测试基准。他认为解题速度和数量不等于数学洞见。

一旦公开宣称难题被“解决”，即便后续发现缺陷，也很难恢复为未解决状态，会污染后续的探索。这种批量“收割”开放难题的模式，会损害数学研究领域的发展土壤。