Hacker News front page● 精選AI 評分76
論文：Lean 驗證 AI 形式化證明不等於原證明正確
arXiv 新論文指出，用 Lean 機械驗證 AI 自動形式化的數學證明，並不能保證原始自然語言證明本身正確。作者 Bastounis、Circelli 與 Hansen 證明，要做到語義忠實的翻譯必須消解自然語言數學文字的歧義，而該問題在可解複雜度指數（SCI）層級中為無窮，比停機問題（SCI=1）更難。
搜尋
依意思最接近的 10 筆
Hacker News front pageAI 評分71
Anthropic 用 Lean 自動形式化費馬大定理，11 天生成 1300 萬行
數學形式化正從人工轉錄轉為 AI 自動形式化：Anthropic 於 2026 年 9 月 4 日宣布完成費馬大定理的自動形式化，11 天生成 1300 萬行 Lean 程式碼；OpenAI 9 月 8 日公布 Navier-Stokes 強制爆破定理時也附帶了 Lean 形式化。此前 Math Inc. 在 24 維球填充問題上生成約 50 萬行程式碼，Meta 的 ATLAS 專案則自動形式化了 26 本教科書的大部分內容。
Hacker News front pageAI 評分54
Lean 形式化驗證 11 個正方形最優裝箱的完整證明
11 個正方形最優裝箱問題的完整最優性證明已在 Lean 4 中通過驗證：EvolvingPrograms 的驗證執行接受了全部 7,920 個本地 Lean 模組，最終審計為零 admission。該結果給出最優邊長 T=(6u+4)/(1+2u−u²)，其中 u 是某八次多項式在 (9/25, 37/100) 內的唯一根，構造達到約 3.8770835900228141773。
Hacker News front pageAI 評分45
OpenAI 數學倉庫撤回 3 項結果，新增 6 項 Lean 形式化
OpenAI 更新了其 GitHub 數學倉庫，撤回了 3 項已收錄的數學結果。同一批更新還新增 6 項 Lean 形式化、修改 19 項，倉庫目前約有 42% 的 top-line 結果完成形式化。維護者 Dan Roberts 公布了這一變動，並表示會繼續補充新的形式化內容，同時記錄發現的勘誤。
Hacker News front page● 精選AI 評分86
OpenAI 公開內部前沿模型數學成果與 Lean 形式化證明
OpenAI 於 2026 年 10 月 6 日發布由內部前沿模型產出的多項數學結果，以 GitHub 倉庫形式公開，併為其中許多證明提供 Lean 形式化驗證。倉庫同時給出 10 份模型推理摘要、以 ChatGPT Pro 用量折算的算力估算，以及嘗試題目數量的統計，平均每個結果約消耗相當於 3 小時 ChatGPT Pro 思考的算力。
機器之心● 精選AI 評分91
OpenAI 一次公開 722 篇 AI 數學論文，僅 42% 完成形式化驗證
OpenAI 在 GitHub 公開了 722 篇由內部未發布前沿模型生成的數學手稿，涵蓋數論、代數幾何、分析、組合數學等方向，其中約 300 項核心結果完成 Lean 形式化驗證，佔 42%。公司稱模型共嘗試超過 4000 個問題，一項典型成果平均消耗約 3 小時 ChatGPT Pro thinking 算力，但未公開所用模型與提示詞。
Hacker News front page● 精選AI 評分84
數學家發現 OpenAI 的 Navier-Stokes 證明兩個版本不一致
劍橋大學研究團隊指出，OpenAI 公布的 Navier-Stokes 證明中，Lean 形式化版本與自然語言版本並不一致，問題出在 Lemma 8.6：自然語言版要求某值小於 m+4，Lean 版卻放寬為小於 m+5，數學上更弱。團隊用 ChatGPT 逐條比對再人工核查，花了約兩週才找到這處真實差異，而 OpenAI 稱其智慧體僅用 88 小時生成證明。
Hacker News front pageAI 評分56
學者提出 Ephemeral Testing：用 AI 臨時搭建上層應用檢驗程式碼
魁北克大學電腦科學教授 Daniel Lemire 提出 ephemeral testing（臨時測試）：不直接評估自己寫的程式碼，而是讓 AI agent 在其之上臨時搭建一層或多層應用並測試，用完即棄，再根據失敗情況反推底層程式碼品質。它屬於整合測試，區別在於上層軟體完全是一次性的；API 清晰、不變數穩定、報錯有用的庫能讓 agent 快速產出可執行的東西，隱藏狀態、意外預設值或文件不全的庫則會產出一堆補丁和失敗，這些失敗是底層程式碼的證據而非 agent 的問題。
機器之心● 精選AI 評分84
清華團隊開源 VeriLoop E2，以外部驗證決定推理狀態提交
清華團隊開源後訓練模型 VeriLoop E2，由獨立外部 Verifier 決定候選狀態能否獲得提交資格，而非依賴模型內部置信度。該模型以 Qwen 3.8-27B 為基礎，面向程式碼、數學與物理三類可外部驗證任務，並同步發布標準權重與覆蓋 BF16 至 IQ1_M 的 GGUF 量化版，其中 Q6_K 為 20.566 GiB，比 BF16 小 58.96%。
量子位AI 評分46
聯想天禧 TianxiCode 登頂 SWE-bench-Live，問題解決率 71%
聯想天禧 AI 自研程式碼智慧體框架 TianxiCode 配合 DeepSeek-v4.1-Flash，在 SWE-bench-Live（Lite 分榜）以 71% 的問題解決率位列全球第一，並通過官方 Verified 核驗。該評測基於真實 GitHub 專案問題與可復現執行環境，官方會審查全鏈路智慧體執行軌跡並排查答案、測試用例洩露。