姚班校友主导，Claude攻克费马大定理首个完整形式化证明

人类和费马大定理纠缠了三个半世纪，Claude这次只用了11天！？ 刚刚，Anthropic宣布，Claude完成了首个端到端、可由计算机完整检查的 费马大定理证明 。 约1300万行Lean代码、超过3万个中间定理、最终证明使用其中约29500个。 整个工程规模，已经超过Lean核心数学库Mathlib的 5倍 。 这次Claude没有发现一个全新的费马大定理证明。 它完成的是另一件同样工程量《惊人》的工作： 把人类数学家能够读懂的证明，彻底翻译成计算机能够一行一行检查、没有任何「这里显然」的形式化证明。 而这件事，数学界原本是按多年工程来准备的？？？？ 350多年数学史，被Claude塞进1300万行Lean 先快速说一下费马大定理到底是什么。 其指的是，对于任意整数n 2，都不存在正整数a、b、c，使： aⁿ+bⁿ=cⁿ 。 这个命题看起来极其简单，难度却高得离谱！！ 从17世纪费马留下这个命题开始，欧拉、勒让德、库默尔等一代代数学家不断往前推进，始终没能拿下完整证明。 直到1993年，英国数学家Andrew Wiles第一次公开宣布证明费马大定理。 随后审查发现其中存在关键缺口。 Wiles又花了大约一年时间和Richard Taylor一起修补，最终在1994年完成证明，到这里，困扰数学界350多年的命题才终于被攻克。。。 But！数学界随后又给自己挖了一个更工程化的坑—— 能不能让计算机，也百分之百确认这份证明成立捏？ 这就是所谓的「形式化」。 简单理解，普通数学论文是写给数学家看的，人脑看到很多步骤，可以直接说：嗯，这里显然成立～ 但Lean这种专门检查数学证明的程序系统证明助手，可不吃这一套。。。 我们可以把 Lean 理解成数学世界里的「超级严格编译器」—— 数学家或者AI负责把定理、定义和证明一步一步写成Lean能够理解的形式；Lean则负责检查，每一个推导到底有没有从前面的公理和定理合法地走出来。 这也是为什么形式化一个大型现代数学证明，工作量经常大得惊人！！ 2000年代，计算机科学家就已经提出过形式化Wiles证明的设想。 到2024年，帝国理工学院Kevin Buzzard等人才正式启动一个多年社区项目，准备使用Lean完成费马大定理形式化，光项目第一阶段的技术蓝图，就写了86页。 结果Claude来了之后：11天。 Anthropic研究员Tianyi Peng最初其实没打算一口气干完这事儿。 作为早年是信息学竞赛尖子，Tianyi Peng曾获全国青少年信息学奥赛选拔赛第八名，2017年从 清华姚班 本科毕业，2023年获MIT博士学位。 如今，他是哥伦比亚大学助理教授、Anthropic研究员，长期聚焦强化学习、AI Agent与形式化工具。 开始吧，他只是想测试一下，Claude究竟能把这个项目往前推多远。 最后，没成想，Claude直接一路干到了终点。。。 整个过程中，不同Agent被同时拉起来并行工作。 有的负责补数学定义，有的专门攻中间引理，有的沿着已有成果继续往更高层定理推进，还有Agent负责把不同部分重新拼回整个证明体系。 最后堆出来的成果，是约1300万行Lean代码、超过3万个中间定理。 而这个代码量，甚至超过Lean核心数学库Mathlib自身规模的5倍！！！ Anthropic对此也表示，完整证明只依赖Lean三个标准公理，而且他们还专门通过比较程序确认，Claude最终证明的定理陈述，与Mathlib里的费马大定理完全一致。 也就是说，至少在逻辑检查这件事上，不能靠模型自己说「我证明完了」。 而裁判，正是Lean。 Claude也曾组团组到失忆，最后靠Harness救回来 不过Claude这11天，也没一路开挂到底。 项目刚开始时，多Agent协作很快撞上了一个如今几乎所有大型Agent系统都会遇到的问题—— 人一多，活一多，项目开始乱了。。。（doge） Anthropic透露，早期Agent虽然很快拿下了一些结果，但随着工程规模扩大，它们逐渐跟不上整个项目的状态，也越来越难有效协作。 这些失败尝试留下的代码，最终只占成品非模板代码的大约7%。 真正的转折点，是团队换上了一个叫 「Prove2Me」 的平台—— 我们可以把它理解成，给几十个Claude装上了一套数学版项目管理系统。 Prove2Me会把整个证明拆成一个由定理节点组成的DAG，也就是有向无环图。 哪个定理已经证明了，哪个还缺前置条件，下一步该攻哪个节点，Agent都能从这张图里判断。 同时，平台还会把定理陈述和证明分开管理、加速Lean编译，并给每个定理保留自然语言描述，方便不同Agent搜索和复用已有结果。 这一下，多Agent才真正开始像一支能协作的大型数学团队了～ 而Anthropic最后使用的，则是 Prove2Me+基于Claude Code的multi-agent harness。 最后整个项目消耗约60亿个输出Token，内部使用的通用研究模型能力大致相当于Claude Fable 5.1。 更夸张的是，人类在过程中提供的数学指导其实相当有限。。。 Tianyi Peng更多只是偶尔给一些非常高层的提示，比如某个方向优先级更高、某个定理尽快推进。 剩下的大量定义、中间证明、任务拆分和拼装，主要由Claude自己完成。 负责审阅结果的Kevin Buzzard将其评价为一次「非凡的自动形式化成果」。 这个评价背后，其实还有一层更大的含义。 因为费马大定理的价值已经不止于又被AI证明了一遍—— 如果这样规模、这样依赖复杂度的现代数学成果，都开始能够被AI自动搬进形式化系统，那么过去极度依赖人工、推进速度缓慢的数学文献形式化，可能第一次真正具备了大规模提速的条件。 One More Thing Claude这边刚用11天，把350多年的数学名题重「喂」给计算机验了一遍。 OpenAI那边也没闲着，是的，GPT-6 Astra开始往更多人手里塞了。。。 OpenAI最新信息显示， GPT-6 Astra 正在逐步向ChatGPT付费用户开放。 其中GPT-6 Pro面向Pro、Business和Enterprise计划推出，Pro用户还可以在Chat、Work和Codex里使用Astra。 Sam Altman也亲自出来吆喝了一波，大意很简单： 货到了，可以开始上桌了友友们～ 友友们要知道，俺们奥特曼的新模型Astra，重点强化的也是是如今各家最卷的那几项能力—— 长链路Agent任务、软件工程、计算机操作、浏览器使用，以及科学和专业工作。 A社刚秀完Claude可以拉着一群Agent，狠干11天数学工程。 OpenAI转头开始把新旗舰往Pro和企业用户手里推。 我是感觉啊，一大批刚出炉的数学、科研和Agent狠活，估计已经跟着GPT-6 Astra一起在路上了。。。 参考链接： [1]https://x.com/search?q=%E8%B4%B9%E9%A9%AC%E5%A4%A7%E5%AE%9A%E7%90%86&src=typed query [2]https://www.anthropic.com/research/formalizing-fermats-last-theorem 版权所有，未经授权不得以任何形式转载及使用，违者必究。 梦瑶 扫码分享至朋友圈 相关阅读 Claude3.5突然发布！GPT-4o不香了 视觉能力大增强，还带来新的交互方式 Anthropic Claude 大模型 Claude终于认了！降智坐实，越聊越傻，3个bug全曝光 模型降智属实，所有使用额度均已重置。 Claude团队：用400万条对话分析AI对经济的长期影响 网友：终于不需要全靠猜测了 arXiv创始人亲测：水论文这一块，Grok最强，Claude最不配合 Claude Grok AI拿婚外情写勒索邮件，查一年告诉我科幻小说教坏的 Anthropic新研究实锤了 AI Claude Claude终于承认乱扣费！最高多收你20倍，一句「你好」干掉13%额度 这两天的Claude Code，已经接近“不可用”的状态。 Claude Claude Code 热门文章 「GPT-6」灰测demo刷屏！周四发布在即 李飞飞发布：全球首个多模态世界模型 还在为大模型洗数据熬夜？蚂蚁拿下VLDB工业最佳论文，一套宽表搞定35PB语料，效率狂飙5.6倍 VC疯了！200万现金冠军奖，又花4000万造了一座AI「创业乌托邦」 阿里更新旗舰模型Qwen3.8-Max，前端编程能力跃居全球第一 加入我们 寻求报道 商务合作 追踪人工智能新趋势，报道科技行业新突破