OpenAI 公布 AI 数学研究新进展：探索开放问题，公开 Lean 形式化证明
发布机构： OpenAI
官方发布日期： 2026 年 10 月 6 日
北京时间： 官方未披露具体发布时间及原始时区，暂无法准确换算北京时间（时:分）。
性质： 官方研究成果发布；部分证明已形式化，并不代表全部结果均经独立验证。
一、核心进展
2026 年 10 月 6 日，OpenAI 公布内部前沿模型在开放数学研究问题上的一批成果，并将论文、部分 Lean 形式化证明和推理过程摘要发布到 GitHub。
1.1 研究成果概览
根据 OpenAI 的公开资料：
| 研究维度 | 具体成果与说明 |
|---|---|
| 研究规模 | 模型接受约 4,000 道 研究问题；公开仓库目前收录 372 组结果，包含数百份相关手稿（仓库会持续更新）。 |
| 可验证性 | 部分证明提供了 Lean 形式化版本，可由计算机检查证明的逻辑正确性；其余结果仍需进一步审查。 |
| 推理成本 | OpenAI 称每项结果平均消耗相当于约 3 小时 ChatGPT Pro thinking 的计算资源。这是计算量估算，并非每个问题固定耗时三小时。 |
| 透明度 | 官方还公开了 10 份精简推理摘要、问题尝试统计及论文修订、引用方式。 |
1.2 研究意义
以往大模型数学能力主要通过竞赛题和固定测试集评估。
这次发布把重点推进到开放科研问题、推理计算预算和形式化证明验证：AI 不仅尝试提出数学结论，还需要提供可复核的证明材料。
1.3 研究局限
需要注意：
Lean 验证仅覆盖部分结果；形式化证明通过检查，也不自动等于整批成果的新颖性、重要性或所有研究声明都已获得学界认可。内部模型尚未公开，因此外部复现仍有限制。
此次进展显示，前沿模型正从"解数学题"走向"参与数学研究"。
下一步最值得关注的是：独立数学审查、形式化证明覆盖率，以及研究过程的可复现性。
二、技术细节
2.1 从数学评测走向开放数学研究
传统大模型的数学能力主要通过 GSM8K、MATH 等评测基准衡量，这些任务通常具有明确的问题描述和已知答案。
但真实的数学研究存在明显区别：
| 主要区别 | 具体说明 |
|---|---|
| 没有标准答案 | 研究者可能不知道问题是否存在可行解。 |
| 推理链条更长 | 复杂证明往往需要多个引理、定理以及中间结论。 |
| 正确性要求更高 | 即使最终结论正确，证明过程中存在逻辑漏洞也不能认为证明成立。 |
此次 OpenAI 的研究重点从解决已有答案的数学题，转向探索尚未完全解决的开放数学问题（Open Mathematical Problems）。
这意味着大模型不再仅仅是数学解题工具，而是开始尝试参与数学知识的发现过程。
2.2 测试时计算扩展（Test-Time Compute Scaling）
此次研究值得关注的一个技术方向是 Test-Time Compute Scaling（测试时计算扩展）。
传统模型主要依靠扩大训练数据、模型参数和训练计算量来提升能力，而测试时计算扩展关注的是：
在模型参数保持不变的情况下，通过增加推理阶段的计算资源，提高复杂问题的求解能力。
推理计算资源的主要用途
在数学研究场景中，额外的推理计算资源可以用于：
- 探索不同的证明思路。
- 分解复杂问题并构建中间引理。
- 检查推理中可能存在的逻辑错误。
- 尝试其他数学工具或证明路径。
推理成本与计算预算
根据 OpenAI 公布的信息，其内部前沿模型在此次研究中，平均每项结果消耗约相当于 3 小时 ChatGPT Pro thinking 的计算量。
需要注意： 这一数值是计算资源的等效估算，并不意味着每项证明都实际运行了 3 小时。
这一结果进一步说明，对于复杂数学推理，推理阶段的计算预算可能与模型本身的能力同样重要。
2.3 Lean 的形式化证明结论：让数学证明可以被计算机检查
大语言模型在数学推理中存在一个重要问题：
生成的证明看起来合理，但并不一定正确。
为了提高数学结果的可验证性，OpenAI 公布了部分使用 Lean 编写的形式化证明。
Lean 是一种交互式定理证明语言，可以将数学定义、定理以及证明步骤表示为具有严格逻辑约束的形式。
与自然语言证明不同，Lean 中的证明需要通过计算机的类型检查机制验证。
自然语言证明与 Lean 形式化证明对比
两种证明方式的主要区别如下：
| 对比维度 | 自然语言证明 | Lean 形式化证明 |
|---|---|---|
| 表达形式 | 数学公式与自然语言 | 形式化语言与逻辑表达式 |
| 验证方式 | 数学研究者审查 | 计算机证明检查器 |
| 逻辑约束 | 依赖数学表达的严谨性 | 需要满足严格的形式规则 |
| 主要优势 | 易于理解与交流 | 更容易发现形式化逻辑错误 |
Lean 证明的验证过程
例如，模型可能生成一个包含大量推理步骤的数学证明。
研究人员可以将这些步骤转化为 Lean 代码，再交由证明检查器验证。
如果形式化证明通过检查，就说明它在所采用的公理、定义和前提条件下满足相应的逻辑要求。
需要注意：Lean 验证通过不等于整个数学研究结果已经完全获得认可。
仍然需要确认形式化命题是否准确对应原始数学问题，以及相关假设是否合理。
2.4 研究价值与技术发展方向
从技术发展角度看，此次进展体现了大模型数学推理研究的三个重要变化。
| 技术方向 | 研究意义 |
|---|---|
| 开放问题求解 | 从回答已有答案的问题，转向探索新的数学结论 |
| 测试时计算扩展 | 通过增加推理资源，提高复杂任务的求解能力 |
| 形式化证明验证 | 使用 Lean 等工具辅助检查数学推理的正确性 |
这些技术也可能应用于数学以外的领域。
例如，在 程序验证、算法设计和自动化科学研究 中，AI 同样需要生成复杂推理结果，并通过外部工具验证其正确性。
未来科研型 AI 系统的协作模式
从这一角度看，未来的科研型 AI 系统可能逐步形成以下协作模式：
text
提出研究问题
↓
AI 探索解题思路
↓
生成候选数学证明
↓
形式化验证与人工审查
↓
修正问题或证明
↓
形成可复核的研究成果说明： 上述流程属于对科研型
AI系统的技术概括，不代表OpenAI已公开其内部模型的完整实现流程。
2.5 当前局限与未来方向
尽管此次研究展示了大模型辅助数学发现的潜力，但仍然存在一些问题：
| 局限性 | 具体说明 |
|---|---|
| 证明正确性 | 并非所有公开结果都完成了 Lean 形式化验证。 |
| 研究成果可靠性 | 部分结论仍需要独立数学研究者审查。 |
| 计算成本 | 复杂推理可能消耗大量计算资源，实际应用需要权衡投入与收益。 |
| 研究可复现性 | 由于使用的是尚未公开的内部前沿模型，外部团队暂时难以完整复现生成过程。 |
因此，这项研究最值得关注的并不是 AI 已经能够独立完成所有数学研究，而是展示了 大模型推理、测试时计算扩展与形式化验证相结合 的发展方向。
未来，能够提出候选结论、调用验证工具并根据反馈修正证明的 AI 系统，可能成为数学研究及其他科学发现任务中的重要辅助工具。