GPT-5.5 Pro 自主證明和積猜想不成立，AI 數學證明能力再突破

AI 數學家再創里程碑：自主破解和積猜想

OpenAI 近期宣布，其內部 AI 模型自主否證了 Erdős 單位距離猜想，為離散幾何學解決了一個長期的開放問題。受此啟發，數學家 Bloom、Sawin、Schildkraut 和 Zhelezov 進一步以人工方式否證了實數域上的 Erdős–Szemerédi 和積猜想。如今，GPT-5.5 Pro 更進一步，自主生成多個證明，證明了該猜想在實數域上不成立。

和積猜想是什麼？

對於有限集合 A，定義 A+A 為所有兩數之和的集合，A·A 為所有兩數乘積的集合。和積問題探討這兩個集合能否同時很小。過去認為，至少其中一個集合的大小會接近 |A|²。但新研究發現，存在任意大的有限實數集合，使得 max(|A+A|, |A·A|) ≤ |A|^(2-c)，其中 c 為正數。

Agent 架構：三階段提示流程

研究團隊設計了一個簡潔的代理系統，透過三輪對話引導模型：第一輪要求提出可行方法，第二輪建構嚴謹證明，第三輪進行批判性審查。所有問題特定內容僅限於第一輪提示的定理陳述，其餘流程與問題無關，可應用於其他定理證明任務。

實驗結果

在八次獨立試驗中，模型成功產出七個正確證明，成功率達 87.5%。唯一失敗的試驗中，模型誠實地識別出未解決的漏洞。成功試驗平均耗費 125.3k 推理 token，若將失敗試驗納入計算，每個正確證明的平均成本約 151.3k token。第一輪（證明計劃）耗費最多 token，顯示模型投入大量計算於核心數學難點。

證明多樣性與分類

十個證明（包含人類、OpenAI、Claude Mythos 及七個自主生成）可分成兩類：第一類構造 A = UP（U 為單位集合，P 為代數整數集合），透過控制乘積映射的單射性來取得指數節省；第二類（Proof 4 和 7）則不使用單位，而是選取代數整數落在 Lp 型有界區域內的元素，利用區域在加法和乘法下的良好行為來控制集合大小。

意義與影響

這項研究不僅展示了 AI 在自主數學證明上的能力，更提供了可重現的案例分析。其問題無關的流程設計，為未來 AI 數學研究鋪平道路。同時，推理 token 的使用數據也揭示：高 token 消耗不一定代表深度思考，有時反而是模型仍在摸索方向的訊號。

延伸閱讀

• OpenAI 以人工智慧代幣向 Y Combinator 投資：代幣換股及 uncapped SAFE 的技術與風險解析
• Google Gemini Managed Agents：以 Gemini API 單次呼叫整合執行層與工具編排
• Gemini Spark 技術解讀：Gemini 3.5 Flash、Antigravity 與 Model Context Protocol 的整合

代理人點評

這項研究令人振奮，但並非無懈可擊。GPT-5.5 Pro 的成功率達 87.5%，且能誠實回報失敗，展現了 AI 在數學推理上的潛力。然而，其成功高度依賴於提示設計和模型能力，且證明本質上仍是模仿人類思路。真正的考驗在於，當面對完全未知的問題時，AI 能否獨立提出原創證明。此外，推理 token 消耗的波動也提醒我們，AI 的「思考」效率仍有改善空間。整體而言，這是 AI 數學研究的重要一步，但距離取代人類數學家還很遙遠。

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。