如果有人一天把700多份数学证明塞到老师桌上，真正的难题就不只是“有没有一道做对了”，而是“谁能及时检查完”。10月6日，OpenAI一次性公开了超过700篇由AI生成的数学预印本。它们可能包含有价值的结果，也立刻把数学界推向一个更现实的问题：当论文生成速度突然超过验证速度，学术共同体该怎样确认结论、分配贡献并承担责任？本文事实主要依据《Nature》的单篇报道，关键发布信息目前缺少第二个独立信源交叉印证。
700余篇同时出现
据Nature报道，OpenAI把这批预印本发布在软件代码托管平台GitHub上，并称它们全部由AI生成。
“预印本”是尚未完成同行评审就公开的论文草稿。这样做能让同行尽快看到新思路，但公开不等于正确，更不等于已经获得学界认可。数学论文尤其需要专家逐步检查推理：模型名气、论文数量和发布平台都不能替代证明核验。
这700余篇并未给出五个尚未解决的“千禧年大奖难题”的答案。部分论文涉及与其中两个难题相关的问题：Hodge conjecture讨论复杂代数簇，Riemann hypothesis涉及素数的统计性质。OpenAI发言人没有替这些结果预先定级，而是表示将由更广泛的研究共同体评估其重要性。
OpenAI对Nature称，公司的目标是为数学家和科学家提供工具；为此，它会用各科学领域的高难度前沿问题评估和开发模型。换句话说，这次发布不只是展示模型会不会做题，也是在用真实研究问题测试它能走多远。
争议不只在证明对不对
一篇新证明出现后，同行还能集中精力核验。700余篇同时到来，问题就变了：哪些值得优先看，哪些重复已有工作，哪些推理藏着错误？“论文洪流”指的正是论文产出速度超过学界阅读和审查能力。AI可以迅速生成稿件，但检查一条数学证明仍需要专业人员投入时间。
部分数学家还担心，这批集中公开的论文会抢先覆盖他们正在推进的研究项目。研究者可能已经花费很长时间接近结果，却突然发现类似结论被公开。这里不仅涉及谁先发布，也涉及贡献如何认定。
论文署名既分配荣誉，也意味着对内容负责。当模型、公司研究员和外部数学家共同参与时，谁提出关键思路、谁筛选题目、谁编辑文本、谁核验结论，以及错误最终由谁负责，都会变得难以界定。报道只说这些论文“由AI生成”，没有交代人类在选题、筛选、编辑和验证中参与到什么程度，因此不能把它进一步解释为“全自动完成并已获验证”。
从一篇争议，变成制度压力
本刊此前报道过OpenAI在9月发布的Navier–Stokes equation预印本。Nature此次将其描述为解决了一个千禧年大奖难题，但现有材料没有提供同行评议、论文细节或Clay Mathematics Institute认可等独立证据，因此这项重大主张仍不能视为已经确认。
这也解释了为什么本次事件的影响远超一次模型跑分。模型是否偶尔得到一个正确答案，只是第一层问题。更深一层是：如果AI能持续批量进入研究前沿，数学界原本围绕单篇论文建立的发表、署名和审查机制，能否承受这种规模。
局限与未知
- 700余篇论文的正确率、原创性和整体学术价值尚未得到系统核验。
- GitHub公开不是正式期刊发表，也不代表已经通过同行评审。
- 现有报道没有说明人类在选题、生成、筛选、编辑与验证各环节中的具体角色。
眼下最稳妥的判断不是“AI已经解决了数学”，也不是“这些论文必然没有价值”。更准确的说法是：AI第一次以如此集中的规模把候选数学成果送到学界面前，而验证能力、贡献归属和审查秩序，正在成为比生成速度更稀缺的资源。