1700万行Lean证明背后:Claude参与黎曼猜想攻关,形式化验证如何改变科研生产

1700万行Lean证明背后:Claude参与黎曼猜想攻关,形式化验证如何改变科研生产

对应日报:AI技术每日分析 · 一、Lean与Mathlib共同确认黎曼猜想形式化证明
新闻原始日期:2026年11月20日(成果发布)、11月21日(Lean与Mathlib联合确认)

一份足以改变数学研究工作流的声明

Lean与Mathlib社区在2026年11月21日联合发布声明,宣布对Levent Alpöge前一天公开的黎曼猜想形式化证明完成核验。作者提交的证明库约有1700万行Lean代码,社区在短时间内组织多人独立构建,并利用不同检查工具验证了最终的证明对象。联合声明的措辞十分明确:社区确认目标数学命题与已有的Mathlib定义一致,同时确认系统提交的证明通过了逻辑内核的检查。这样一则公告出现在人工智能参与研究的高速发展阶段,立即把数学界、形式化验证社区和AI产业的目光拉到同一个技术事件上。

黎曼猜想之所以能够引发如此大的讨论,与它在数论中的位置有关。1859年,黎曼讨论了复变量黎曼ζ函数与素数分布之间的联系。其非平凡零点是否全部位于实部为二分之一的直线上,成为解析数论最著名的问题之一。过去一百多年,数学家围绕这一问题积累了大量局部结果、计算验证、条件性定理和分析技术。很多研究工作依赖它成立时可以推导出的素数分布估计,因此一份完整证明具有超越某一个细分领域的意义。与此同时,现代数学证明已经形成非常复杂的知识依赖,符号定义、边界条件和逻辑推演跨越大量文献,由少数人阅读和维护整条推理链的成本极高。

Alpöge在11月20日公布自己的说明时,明确提到了Claude在研究过程中的协作。他公开的核心产物是一份可以由Lean处理的证明库,而不只是未经机器检查的自然语言论文。过去公众讨论AI解数学题,经常把焦点放在模型能否回答一道竞赛题、给出某个引理或在研究者提示下写出一段证明。此次成果涉及庞大的数论知识结构,并交由形式化系统逐项核查。在这条链路中,人类研究者负责研究方向、问题表达、数学判断与结果公开,模型可以参与寻找引理、组织推演、生成代码和调整依赖,形式化系统则提供确定性的语义约束。

1700万行Lean证明背后:Claude参与黎曼猜想攻关,形式化验证如何改变科研生产示意图

数学语言变成可执行对象

Lean是一种交互式定理证明系统,也是一门带依赖类型的函数式编程语言。它把数学命题表达为类型,把证明表达为满足该类型的项。研究人员编写定义、引理和定理,在编辑器中逐步完善证明,系统通过类型检查确定局部推理是否符合既定规则。这种技术可以追溯到Curry—Howard对应以及更早的类型论、自动推理研究。与通常的软件单元测试相比,形式化证明将可验证性推进到命题的逻辑结构之中:测试能够覆盖给定样例和程序执行路径,定理检查关注的是一个形式系统内部是否存在有效的推导。

Mathlib则是Lean生态中的大型数学库,包含代数、分析、拓扑、概率与数论等领域的形式化定义和定理。建立一套这样的库远比编写一篇独立证明困难。研究者需要统一基础概念的命名与抽象层次,控制依赖关系,并使不同贡献者增加的新定理能够与既有体系兼容。比如复数、级数、解析延拓和零点相关的定义,必须建立在共享的数学结构上。Lean社区这次强调,黎曼猜想的目标命题在Mathlib中原本已经存在,这个细节直接关系到如何确认一份巨大证明库究竟证明了什么。

任何形式化工作都可能存在“证明了一个接近原问题的命题”的情况。开发者写出了大量通过检查的代码,如果最终的定理陈述与数学家所说的黎曼猜想存在细微差异,那么整个过程就失去了预期意义。因此Lean社区专门编写了隔离文件,只从Mathlib引入原始目标,再通过两套相互独立的工具比较Alpöge库里的定理与该目标是否完全一致。社区公开的核验步骤把语句一致性放在显著位置,意味着数学结论的边界在代码层面得到了专门审查。这套方法对工业需求形式化同样很有价值:系统实现的对象必须与最初批准的工程约束对应,避免实施过程中出现需求语义漂移。

1700万行代码如何被复核

面对1700万行源码,逐页人工审核显然效率有限。形式化系统的优势来自逻辑核心与开发辅助工具的分工。用户可以依赖战术、自动化搜索和各种代码生成工具组织复杂证明,但最终提交的是已经展开并能够交给检查器判断的证明对象。只要内核实现与形式规则保持一致,庞大的构造过程可以交由不同程序重复计算。Lean社区11月21日的声明称,数十名参与者完成了成功的构建复现,生成相同的原始证明导出文件,这使来源不同的参与者能够对同一个产物进行检验。

社区随后采用了Lean官方内核、con-leche、con-ron以及不同语言实现的第三方检查器。声明还解释,部分检查器具有相对于集合论的形式化正确性证明,并且验证对象是一份与源代码执行环境隔离的导出文件。这里体现出一种在大规模工程中越来越重要的方法:复杂的生成环节可以容纳大量策略、工具和实验,但验收环节尽量收敛成小而独立的确定性验证器。模型写出几十万条中间推导,最终能否成立由固定规则给出结果。把产物从复杂的生成环境中导出并独立检查,还降低了构建脚本、外部依赖和插件行为对结果判定的影响。

AI科研系统如果沿这条路线演进,研究者的工作方式会出现变化。过去一项困难研究往往依靠多年的阅读、手工推导和同行交流,研究笔记与论文之间存在大量难以直接执行的知识。现在可以把论文结论、关键引理、计算结果和形式化代码放入连续可追踪的工作流。模型可以检索已有定义、尝试多种分解方案,失败时保存引理与反例,把有效的推理重新组织成更大的证明。科研成果的中间状态因而成为可以编译、比较、回滚和复用的工程资产。

从定理证明走向研发软件

对于企业研发来说,形式化方法最容易落地的地方通常是工程约束清楚、验证代价高且需要长期维护的系统。控制软件可以把状态转换、安全联锁、权限条件和异常恢复写成可验证性质;设计自动化可以把几何约束、尺寸公差和装配关系写成精确的对象;工业软件的核心数据模型也可以通过类型系统保证部分业务规则。不同领域的数学复杂度差距很大,但项目组织方式具有可借鉴性:先把问题写清楚,再围绕目标组织可自动检查的实现,让证据与结果留在同一个版本体系里。

例如一套复杂装备的控制策略需要确保特定阀门打开时,压力状态、泵组运行状态和上游设备权限同时符合条件。传统工程会通过流程图、控制逻辑表、仿真和现场试验逐步覆盖;进一步形式化后,可以在状态空间层面表达哪些动作组合被允许,利用模型检查或定理证明排除不符合规则的转移。AI智能体参与控制程序生成时,明确的约束能够成为自动验收标准,模型负责尝试候选方案,验证器给出机器可复核的结论。工业企业的知识库由此可以逐渐增加结构化规则、版本依赖和验证记录。

在CAD与CAE领域,类似的思想可以延伸到参数化模型、求解边界条件和仿真流程。智能体根据自然语言生成机械设计时,系统需要确认尺寸链、几何干涉、材料限制和加工规则;生成有限元或流体计算任务时,还要追踪网格版本、求解器设定、载荷、边界条件和试验数据的映射。形式化证明本身无法覆盖全部物理世界的不确定性,但可以把工程过程中已经能够精确定义的部分转化为程序可执行的契约。研究人员可以集中精力处理物理模型选择、实验设计和复杂边界条件,系统负责自动检查大量重复的逻辑一致性问题。

1700万行Lean证明背后:Claude参与黎曼猜想攻关,形式化验证如何改变科研生产示意图

研究生产力的新基础设施

这件事给基础模型公司提出了一个很具体的产品方向。研究人员需要的不仅是具备推理能力的对话窗口,还需要连接论文、代码、数学库、计算资源与验证结果的长期工作环境。模型要能够在数十万次工具调用中维护目标状态,理解哪些引理已经被证实、哪些构建失败、哪些依赖更新可能破坏已有结果。对平台提供者而言,版本管理、任务调度、实验追踪、可重现构建和协作权限会与模型能力共同决定使用体验。1700万行形式化代码所体现的系统复杂度,足以把这些工程能力推到显著位置。

这也会影响科研数据资产的定义。论文摘要和最后的定理只是成果的一部分,推导过程中形成的辅助引理、失败路径、形式化定义、工具调用记录与验证结果,可以成为后续研究的可检索材料。高校和研究机构已经有大量非结构化笔记、程序与实验文件,如果把它们逐渐转换为带有引用关系、版本号和可执行检查的知识对象,AI就能够围绕已有成果持续开展下一轮研究。团队成员更换后,新人可以从可编译的证据结构进入项目,减少重新理解隐含前提的时间。

Lean社区在声明末尾期待数学界进一步阐明证明中的新思想,这同样说明了技术成果传播的两个阶段:形式验证把推理正确性表达为机器能够检查的对象,数学研究还会继续把这些对象整理为可理解、可交流、可迁移的方法。人类理解与机器检查能够相互加强。对于工业企业,最有价值的迁移是把工程知识中可以清晰定义的部分逐步整理成可调用、可验证和可继承的资源,使AI参与研发时拥有稳定的目标、工具和证据路径。黎曼猜想的这一轮进展,已经为这种工作方式提供了极具分量的公开案例。

参考文献

  1. Lean and Mathlib Communities,Lean verification of the Riemann Hypothesis,2026-11-21:https://leanprover-community.github.io/blog/posts/riemann-hypothesis/
  2. Levent Alpöge,Remark,2026-11-20:https://alpo.ge/remark.pdf
  3. Associated Press,相关报道,2026-11-21:https://apnews.com/article/4fe8b69a891f160f9e7f0c85af8c55c8

分享到