不翻墙也能读:OpenAI 722 篇数学手稿的五个高效检索姿势
不翻墙也能读:OpenAI 722 篇数学手稿的五个高效检索姿势
2026 年 10 月,OpenAI 一次性公开了其内部模型产出的数百篇数学手稿:从准黎曼猜想(ζ 函数在 Re s > 7/8 半平面无零点)到 Hodge 猜想的 CM 阿贝尔簇情形,再到 Hilbert 第十问题在有理数上的否定解。社区将这一事件称为数学的"广岛时刻"——几百篇未经人类同行评议、由 AI 独立产出的研究手稿同时砸向数学界,兴奋与警惕并存。
但对于身处墙内的读者,问题很实际:GitHub 访问不稳定,官方仓库结构复杂,9000 多行的索引文件让人无从下手。本文基于 math 镜像仓库的真实源码,拆解这份手稿集的内部结构,给出五个不依赖外网、纯靠仓库自身的检索姿势。读完你就能像查字典一样在 700 多篇手稿里精准定位。
先搞清楚你手里是什么:仓库结构盘点
打开镜像仓库根目录,顶层只有五个文件:
CONTENTS.md # 手稿总索引(9142 行)
README.md # 官方使用说明
history.md # 版本与撤回记录
LICENSE
lean/ # Lean 形式化证明 + Comparator 验证挑战
README.md 是官方口径的浓缩:当前目录包含 719 篇手稿,归入 372 个结果家族,由未发布的内部 OpenAI 模型产出。每篇平均消耗约 3 小时 ChatGPT Pro thinking 算力,整个评估周期模型共被提问约 4000 道问题,再聚合、筛选成家族与手稿。关键的信任数据在最后一行:约 42% 的顶层结论(300/719)已有 Lean 形式化验证——这意味着近半数手稿的核心定理可以被计算机逐行确认。
一个值得注意的数字差异:社区新闻普遍称"722 篇",而仓库当前目录是 719。结合 history.md 中 2026 年 10 月 7 日的记录——当天撤回 3 篇手稿(Weil classes on split abelian eightfolds 及其两篇依赖论文,因符号错误导致证明失效),722 减 3 恰好等于 719。也就是说,你读到的"722"是初始发布口径,撤回之后的在线版本是 719。这个细节提醒我们:读这份仓库,版本意识是第一课。
姿势一:用 CONTENTS.md 做"总索引定位"
CONTENTS.md 是整份手稿集的地图,9142 行,结构高度规整:每个结果家族一个条目,带四位编号、一句话结论、所属手稿链接与摘要。
比如家族 003:
003. The quasi-Riemann hypothesis. Proves that every Dirichlet L-function, including ζ(s), is zero-free in Re s > 7/8, resolving the quasi-Riemann hypothesis. (Lean)
编号 + 一句结论 + Lean 链接,是最高效的定位单元。想找具体问题,直接在本地对 CONTENTS.md 做正则检索即可:
grep -nE "^(\*\*)?0[0-9][0-9]\." CONTENTS.md # 列出全部家族编号
grep -n "Catalan" CONTENTS.md # 按人名/猜想名搜
从社区热度最高的"30 道名题"清单反推,仓库里对应的真实条目包括:005 的 Catalan 常数无理性、017 的 π 无理性指数恰为 2(顺带证明 Flint–Hills 级数收敛)、025 的 Erdős 短埃及分数猜想、028 的 Gaussian moat 猜想、032 的 CM 阿贝尔簇有理 Hodge 猜想。每一条都能在 CONTENTS.md 中找到摘要和手稿链接,无需任何外部搜索。
姿势二:用 OAI.lean 的 import 清单做"领域切片"
如果你想按学科而不是按编号浏览,最被低估的工具是 lean/OAI.lean——一个巨型 import 文件,把整个形式化库的组织结构全部暴露出来。它的 import 路径本身就是一张领域地图:
import OAI.NumberTheory.Catalan.Main -- 005 家族
import OAI.NumberTheory.DirichletL.Nonvanishing -- 003 家族
import OAI.NumberTheory.PiExponent.Main -- 017 家族
import OAI.NumberTheory.ShortEgyptian.Main -- 025 家族
import OAI.Combinatorics.Ramsey.CycleClique.Main
import OAI.Probability.SKValue.Main -- Sherrington-Kirkpatrick 自旋玻璃
import OAI.GroupTheory.SimpleAmenable.Main
顶层领域一目了然:Algebra、AlgebraicGeometry、AlgebraicTopology、Analysis、Combinatorics、Computability、Geometry、GroupTheory、InformationTheory、NumberTheory、Probability、RepresentationTheory、SetTheory、Topology……想看某个领域出了哪些结果,grep "import OAI.NumberTheory" lean/OAI.lean 一行命令就筛出全部分支。
难度过滤同样藏在结构里。家族摘要中的修饰词就是难度信号:"resolves the … conjecture"(解决猜想)> "proves the … conjecture"(证明猜想)> "answers the … question"(回答问题)。例如 021 条目是 "Answers Jacobsthal's quadratic-bound question",给出 h(k) ≪ k²/(log log 3k)² 的二次界;011 条目直接 "resolves the Ford–Konyagin–Luca conjecture"。想从浅到深读,先挑"answers/question"级别的,再挑战"resolves/classical conjecture"级别。
姿势三:用 ComparatorChallenges 做"可信度过滤"
722 篇手稿不是同等可信的。最硬的筛子是形式化验证。仓库的 lean/ComparatorChallenges/README.md 说明了玩法:安装 comparator、landrun、lean4export 后,在 lean/ 目录下运行:
lake update
lake exe cache get
lake env comparator ComparatorChallenges/QuasiRiemannHypothesis.json
ComparatorChallenges/ 下共 416 个 JSON + 416 个 .lean 挑战文件。以准黎曼猜想为例,QuasiRiemannHypothesis.json 的结构很直白:
{
"challenge_module": "ComparatorChallenges.QuasiRiemannHypothesis",
"solution_module": "OAI.NumberTheory.DirichletL.Nonvanishing",
"theorem_names": [
"OAI.riemannZeta_ne_zero_of_seven_eighths_lt_re"
],
"permitted_axioms": [
"propext",
"Quot.sound",
"Classical.choice"
]
}
它声明:挑战目标定理是 riemannZeta_ne_zero_of_seven_eighths_lt_re(Re s > 7/8 时 ζ(s) ≠ 0),验证时只允许 propext、Quot.sound、Classical.choice 三个基础公理——即"逐行验证"具体到每一个证明步骤。
对应的 QuasiRiemannHypothesis.lean 给出定理签名:
theorem riemannZeta_ne_zero_of_seven_eighths_lt_re
{s : ℂ} (hs : (7 / 8 : ℝ) < s.re) : riemannZeta s ≠ 0 := by
sorry
这个 sorry 是挑战声明而非成品——真正的证明在 solution_module 指向的 OAI.NumberTheory.DirichletL.Nonvanishing 中。而像 lean/OAI/Algebra/GroupRing/Main.lean、lean/OAI/Algebra/OddKaplansky/Main.lean 这类文件里是完整的、无 sorry 的构造性证明。
使用姿势:想快速判断某篇手稿值不值得深读,先查它有没有对应 Lean 条目(CONTENTS.md 中带 [Lean] 标记的即是),再查 ComparatorChallenges/ 里是否有对应挑战。有形式化的优先读——那是计算机帮你验过证的;没有的,先读摘要并留一个心眼。
姿势四:先查 history.md,避开撤回与修复的坑
这是最容易踩的坑,也是镜像仓库最值钱的隐藏信息。社区热议"OpenAI 一夜攻克 722 个难题"时,很少人注意到 history.md 里 10 月 7 日的撤回记录:
In "Algebraicity of Weil classes on split abelian eightfolds" a sign error invalidates a stabilization-trace cancellation argument... we have withdrawn the following three manuscripts: Algebraicity of Weil classes on split abelian eightfolds / Algebraicity of Kuga–Satake Correspondences for K3 Surfaces / The rational Hodge conjecture for products of K3 surfaces.
一个符号错误(sign error)连坐了 3 篇手稿——包括"K3 曲面乘积的有理 Hodge 猜想"这种听着就分量十足的结果。同日还修复了 14 篇其他手稿(Lipschitz 界面、Kähler 极小模型、Taming 兼容性等),并因此连带更新了 13 篇引用它们的论文。
这给出两个实用检索规则:
- 任何手稿读之前,先查
history.md和它所在目录的 README,确认它不在撤回列表、当前是哪个版本; - 手稿之间高度互相依赖(README 明说 "Some outputs build upon earlier results produced by the models"),检索时优先看家族中标注 "companion"、"corollary"、"consequences" 的成员,它们往往是理解主结果的捷径。
姿势五:AI 辅助精读——从摘要到验证的完整链路
最后是"怎么真正读懂一篇"的流程,以准黎曼猜想(003 家族)为例,四步走:
第一步,看摘要定主结论。 CONTENTS.md 003 条目给出:所有 Dirichlet L-函数在 Re s > 7/8 无零点,附带排除了 Landau–Siegel 零点的推论。这个结论一句话能复述,适合作为精读样本。
第二步,读 reasoning trace。 README.md 附了一张"Reasoning summaries"表,官方公布了 10 个代表性结果的模型推理过程节选,003 不在其中,但同属数论的 007(乘法函数的两点关联)、017(π 的无理性指数)都有对应摘要。这类材料是 AI 生成手稿特有的"解题思路说明书",比正文好读得多。
第三步,对照 Lean 形式化。 从 CONTENTS.md 的 Lean 标记进入,确认核心定理 riemannZeta_ne_zero_of_seven_eighths_lt_re 在 Comparator 挑战中被列为可验证目标。此时你已能区分"已机器验证的结论"与"等待人工核查的推理段落"。
第四步,把解释工作交给另一个 AI。 手稿正文大概率直接是英文数学论证,涉及大量专业化简写。让 LLM 基于你已掌握的摘要 + reasoning trace + Lean 定理签名做"翻译与分层":先让它把摘要改写为中文白话,再让它列出证明的关键中间结论(lemmas),最后把每个中间结论与 Lean 文件中的定理名一一对应。这种"人读摘要、AI 读细节、Lean 背书结论"的分工,是当前成本最低的精读路径。
结语:检索的本质是信任分层
回到标题的问题——"不翻墙也能读"。这份镜像仓库把访问门槛降到零:CONTENTS.md 是索引层,OAI.lean 是领域地图,ComparatorChallenges/ 是验证层,history.md 是版本预警,reasoning_traces/ 是思路导读。五个姿势对应同一个原则:在数百篇未经同行评议的手稿面前,先分层、再下钻、后信任——先靠目录确定读什么,靠形式化确定信什么,靠版本记录确定是不是过时货。数学界对这批手稿的"既兴奋又愤怒"不会很快平息,但无论最终哪些结论站稳脚跟,这份仓库本身已经示范了一种新的研究基建:AI 产出、机器验证、版本留痕、开放审阅。而你需要做的,只是选对入口。