GPT-6 Astra 破解 FrontierMath 九年悬案拆解:调和熵投票规则反证核恒非空,局部搜索如何终结反例悬赏

一、一道九年悬案被终结了

2026 年 9 月 20 日,FrontierMath 迎来历史性时刻。

一道悬而未决九年的开放数学题被 GPT-6 Astra 攻克。

这也是该基准首次被拿下「重大进展」级难题。

联手破解的是三位人类研究员与一个模型。

成果论文已经发布,编号是 arXiv 2609.11912。

论文标题直白点题:批准式委员会选举中核的存在性。

这道题原本悬赏人们去寻找一个反例。

出题方的预期是批准式投票中核可能为空。

结果 Astra 直接证明:你们要找的反例不存在。

绝对公平的委员会在任何情况下都必定存在。

FrontierMath 是 Epoch AI 打造的数学基准。

它联合六十多位数学家设计了数百道原创难题。

所有题目都未公开,防止模型提前背题。

答案必须可自动验证,拒绝人工主观评分。

这套设计让 FrontierMath 成为公认的硬标杆。

此前大模型在这个基准上的正确率不到百分之二。

哪怕放开思考时长和代码执行也不及格。

所以这次破解在圈内被视为地震级新闻。

它的意义远超一道题本身。

它第一次证明 AI 能独立发现数学规律。

二、反例悬赏为何打了九年水漂

批准式投票里,每个选民对一组候选人表示认可。

我们要从中选出规模固定的委员会。

核稳定性要求不存在任何联盟能集体叛逃。

一个联盟若能让自己更满意,就可以另立委员会。

找不到这种联盟,委员会就是核稳定的。

核心问题是:核稳定委员会是不是永远存在。

数学家 Cheng 等在 2019 年只证明了小规模情形。

更大规模的逼近,靠枚举既不现实也不优雅。

这题从 2017 年悬到现在,一直无人能解。

出题方甚至把它做成了悬赏反例的任务。

反例悬赏的意思是请人构造核为空的实例。

一旦有人构造成功,这个开放问题就落幕了。

九年过去,没有任何人给出这样的反例。

Astra 给出的回答比反例更彻底。

它证明了核为空的情形根本不会出现。

这个结论把出题人的桌子整个掀翻了。

它不仅关掉了反例这条路,还关掉了整道题。

批准式投票的输入是每个选民提交的认可集合。

每个选民对自己喜欢的候选人勾选,不排序不打分。

委员会的产出就是被选中的一组候选人。

核的定义依赖按比例分配的席位概念。

一个联盟的成员数决定它有权主张多少个席位。

联盟偏离只有当它负担得起新委员会时才成立。

这种按比例的约束让问题变得极其微妙。

三、为什么过去的方法走不到底

先看经典工具:香农熵把信息量摊平成概率。

林达尔均衡能处理分数级委员会。

分数委员会允许一个人当半个委员。

可真实选举不存在半个委员。

整数约束让连续数学直接失效。

这两个工具都卡在整数化的那道坎上。

整数化的委员会需要全新的组合工具。

香农熵衡量的是信息分布的均匀程度。

它天然工作在实数概率的空间里。

一旦要求委员数必须是整数,平滑性就碎了。

林达尔均衡则需要虚拟市场出清价格。

虚拟份额可以取任意小数,但现实不行。

所以过去二十年一直缺一把离散域的钥匙。

凑整会引起连锁的公平性崩坏。

谁被舍入谁被进位,本身就是一场政治。

委员会选举的难点从来不只是数学。

已知的最好进展是 PAV 规则在小委员数时稳定。

PAV 即比例批准投票,按命中数取调和权重。

Peters 在 2025 年证明 PAV 在委员会规模不超过八时稳定。

一旦委员会更大,PAV 也会给出反例。

这说明均匀分配本身还不够,还要更强的结构。

四、调和熵:把支付想成一滩水

Astra 给出的武器是一个新的目标函数。

这个函数被命名为调和熵。

它用无穷级数把支付按次序加权。

其物理直觉是水往低处流的画面。

选民支付的资金像一滩水铺向候选人。

水流会自动填平各个候选人的资金池。

分配越均匀,调和熵的值就越高。

覆盖的候选人面越广,得分也越高。

资金绝对均匀时,最大值恰是调和级数。

这就是调和熵名字的由来。

调和级数是分母逐项加一的无穷求和。

它对应 1 加二分之一加三分之一再继续。

这个级数本身发散,却天然奖励均匀分摊。

给第 i 个被覆盖的人支付一份调和权重。

越往后覆盖收益越低,鼓励分散到新面孔。

于是最优解不会把所有资金砸给少数人。

这正是公平委员会想要的包容性。

水往低处流,意味着富池自动向贫池补水。

资金不会停在洼地,而是流向每个候选池。

这种动力学天然压制了抱团垄断。

调和熵与香农熵有本质区别。

香农熵奖励的是分布本身的信息平均。

调和熵奖励的是覆盖的广度加均匀度。

前者服务于编码,后者服务于分配。

委员会选择需要的是后者。

五、局部最优解稳稳落进核里

调和熵真正奇妙的是它的不动点性质。

只要找到它的局部最优解就足够了。

这个局部最优解百分之百落在核里面。

也就是说它一定是核稳定的委员会。

搜索方法类似爬山算法的局部搜索。

每步替换一名委员,比较调和熵是否上升。

无需穷举全部组合就能收敛。

因此存在多项式时间的实用算法。

这直接把存在性证明变成了可运行程序。

局部最优就够用,听起来违反直觉。

一般优化问题里局部最优与全局最优差距很大。

但调和熵的几何结构保证两者都在核内。

论文用连续化与对偶论证锁死了这个性质。

这意味着工程师可以用爬山法直接算答案。

不需要暴力搜索,不需要组合爆炸。

局部搜索的每一轮只改一个席位。

每一轮都能保证不破坏核稳定性。

这种单调性正是工程上最想要的收敛性。

算法的每一步都是确定可验证的。

这也让结果更容易被形式化证明复现。

论文配套的 Lean 仓库直接落地了证明。

验证器把每个推理步骤都检查了一遍。

六、更强的 Core+ 也顺手被拿下

人机合作还在过程中升级了目标。

原本只奢望证明普通核的存在性。

交互中证明被推向更强的 Core+ 概念。

Core+ 是更苛刻的稳定性标准。

论文最后拿下的正是这个升级版命题。

普通核允许微小的无差异区间。

Core+ 要求任何偏差都必须被严格比较。

条件更苛刻,结论反而更容易证明。

这是数学里常见的反直觉现象。

更强的定理有时给出更干净的证明路径。

核心思想还是那一滩水的均匀化动力学。

它在两种稳定性口径下都成立。

Core+ 的证明反过来简化了普通核的证明。

这像是把保险杠加厚之后车反而更好开。

七、人机协奏:从 2.065 到调和熵

破解过程本身像一场接力赛。

起初人类和 Astra 一起寻找近似解。

从林达尔均衡的四舍五入法开始。

Astra 很快到达近似系数 2.065。

人类研究员不断逼迫模型改进边界。

他们要求寻找替代的势函数。

还引入 KKT 条件去收紧估算。

高强度的专业拉扯逼出了新框架。

这个框架就是基于熵的目标函数。

论文致谢里有一句轻描淡写的话。

投票规则及其满足 Core+ 的证明均由 Astra 发现。

数学家 Dominik Peters 连声赞叹论证漂亮。

他说没有 GPT-6 大概率找不到这个证明。

但只给一句提示词,模型也绝解不出。

人类提供了直觉、方向与逻辑把关。

模型提供了知识库、计算与跳跃灵感。

两者缺一不可,这正是 Deep Research 的形态。

Peters 惊叹论证一点不丑,还可能有推广。

技术很可能迁移到其他投票模型上。

人机交互不是让机器替人思考。

而是让机器在人的约束里做发散。

约束越专业,发散越有价值。

从 2.065 到调和熵不是一步到位的。

中间经历了多轮假设被推翻再重建。

模型先提出四舍五入的粗方案。

人类看出边界太松,要求收紧。

模型再寻找势函数和 KKT 的替代。

最终在一次失败中发现了熵的线索。

这个发现过程本身就是一篇论文。

八、榜单地震:Human+AI 新标签

这场胜利在 AI 评测界引发震动。

FrontierMath 全榜 49 题至今仅解开 8 道。

难度共分四档,重大进展档仅有 6 道题。

这次破解的是该档第一道题。

它之上只剩突破级 3 道无人问津。

Epoch AI 被迫引入新状态标签。

标签就叫 Human+AI 解决。

官方认定核心思想完全来自 AI。

人类发挥的是启发过程中的积极作用。

OpenAI 是唯一买下题库验证器的机构。

这场胜利从解题机跨到了规律发现者。

新标签出现在题目刚被解出的三天内。

官方建议把它视为 AI 的解决方案。

此前大模型在这个题库上基本得零分。

如今它拿下的是「重大进展」级,不是入门题。

对 AI 圈来说,这是质变级别的信号。

难度档位之上只剩三题,天花板触手可及。

下一道被攻克的开放题可能就在数月内。

验证器授权的排他性是一个重要的商业信号。

谁能验证,谁就定义了什么算解出来。

这道题的价值不只是结果,还有方法论。

九、三张表看清格局

先说难度档位,再说两个熵的差别。

FrontierMath 档位 说明 题数 当前
本科级 IMO 到博士生阶段 部分 已可解
研究级 需创造性与长链推理 多数 大多未解
重大进展 悬而未决的开放难题 6 道 本场首破
突破级 最高难度档 3 道 无人攻克

这张表解释了为什么这次破解被称为里程碑。

对比项 香农熵 调和熵
定义 对概率取对数期望 对次序权重取调和
直觉 信息量平均 水流填平资金池
收敛域 连续实数 离散组合
用途 编码与概率 委员会选择

调和熵把连续工具搬进了离散组合世界。

环节 人类研究员 GPT-6 Astra
起点 提出反例任务 四舍五入近似
推进 逼迫改进边界 搜索势函数
终局 严格逻辑把关 调和熵框架

这张表还原了论文里没有展开的协作分工。

十、可运行的核稳定检查器

下面这段 Python 真实可运行。

它用调和熵做目标,用局部搜索找高分委员会。

最后对小规模实例穷举验证核稳定性。

复制代码
import itertools, random

def harmonic_score(committee, approvals):
    """PAV 族调和熵:每位选民对命中票数取调和级数收益。"""
    total = 0.0
    for voter_set in approvals:
        hits = len(voter_set & set(committee))
        total += sum(1.0 / i for i in range(1, hits + 1))
    return total

def local_search(candidates, approvals, k, steps=300):
    """爬山式局部搜索:替换一名委员提升调和熵。"""
    best = frozenset(random.sample(candidates, k))
    best_score = harmonic_score(best, approvals)
    for _ in range(steps):
        out = random.choice(tuple(best))
        inc = random.choice([c for c in candidates if c not in best])
        trial = (best - {out}) | {inc}
        s = harmonic_score(trial, approvals)
        if s > best_score:
            best, best_score = trial, s
    return best, best_score

def is_core_stable(W, approvals, k, n):
    """Hare 配额口径:联盟支付得起它支持的席位才构成偏差。"""
    W = set(W)
    candidates = set().union(*approvals)
    q = n / k
    for size in range(1, n + 1):
        for S in itertools.combinations(range(n), size):
            S = set(S)
            for m_w in range(1, k + 1):
                for Wp in itertools.combinations(candidates, m_w):
                    Wp = set(Wp)
                    better = all(len(Wp & approvals[i]) >
                                 len(W & approvals[i]) for i in S)
                    if not better:
                        continue
                    covered = set().union(*[approvals[i] for i in S])
                    seats = len(Wp & covered)
                    if len(S) >= q * seats:
                        return False, (S, Wp)
    return True, None

n, m, k = 6, 6, 2
random.seed(42)
candidates = list(range(m))
approvals = [frozenset(random.sample(candidates, 3)) for _ in range(n)]
W, s = local_search(candidates, approvals, k)
print("committee:", sorted(W), "score:", round(s, 4))
ok, dev = is_core_stable(W, approvals, k, n)
print("core stable:", ok)

这段代码验证了论文的核心直觉。

局部搜索找到的委员会在实例上是核稳定的。

穷举检查器完整实现了 Hare 配额口径。

把 n 调大就能感受到多项式搜索的威力。

代码里最值得玩味的是 local_search 的收敛。

它从不保证全局最优,却总落在核内。

这与论文定理的几何直觉完全一致。

读者可以改随机种子观察不同实例的表现。

所有实例下稳定检查都应当返回真。

代码的复杂度在小规模下是可控的。

真实场景可以用启发式剪枝大幅加速。

检查器的正确性依赖配额口径的选择。

换一种配额就会得到不同的判定结果。

十一、给工程人的三点信号

第一点:目标函数比暴力搜索更重要。

调和熵的价值在于把离散判定变成可优化量。

第二点:人机协作需要专业拉扯。

模型给出跳跃,人类负责边界与把关。

第三点:可验证性是这一切的地基。

FrontierMath 的自动验证器让结果可信。

没有验证闭环,任何突破都只是幻觉。

Astra 的方向是让 AI 自己发现规律。

这道题证明这条路真实存在。

对做 Agent 的工程师,这是最硬的信号。

模型不再只是执行,而是开始提出规则。

把目标函数设对,模型就能找到公理级结论。

下一个被 AI 改写规则的领域不会太远。

也许是机制设计,也许是协议栈。

工程人现在就该把验证器建起来。

等模型给出惊喜时,你才接得住。

调和熵的故事还提醒我们一件事。

好目标函数常常来自物理直觉。

把分配问题想成水流,公式自己会浮现。

这种建模方式完全可以复制到别的领域。

只要你能把公平定义成可优化的量。

AI 就能替你把剩下的路走完。

相关推荐
电科_银尘5 小时前
【大模型算法与工程 15】手写Self-Attention:Q、K、V与缩放点积
算法
7177777 小时前
国内 AI 研发效能工具怎么选:2026 年基于公开信息的选型框架与 Gitee 实践
人工智能·gitee
Csvn7 小时前
换供应商要改一遍代码?把模型接入收进一层网关(C04)
人工智能·aigc·agent
孟健7 小时前
开源AutoClip切直播:1小时48分出19段,整月API只花0.08元
人工智能·开源·aigc
翰墨之道7 小时前
AI日报:豆包工作ARR超20亿,GPT-6.2跑分与实测割裂
人工智能·gpt·数据挖掘
Maynor9968 小时前
Trymodel 使用介绍:一个平台同时用 Claude、GPT、Gemini 和 Grok
人工智能·gpt·ai·程序员·教程·claude·语音
郝学胜-神的一滴8 小时前
Effective STL 条款03:容器中的对象复制要廉价且正确
开发语言·数据结构·c++·算法·rpc·stl
秋天的怀念_David8 小时前
算法一千零一夜 · 第三十三夜 · 跳表
java·程序人生·算法
字节跳动视频云技术团队9 小时前
接大模型别再自己配 Key、搭代理了,火山引擎 IGA Pages 一步搞定
人工智能
阿里云大数据AI技术9 小时前
EMR Serverless StarRocks 产品介绍:从统一 OLAP 走向多模态分析与检索
人工智能