OpenAI model solves 80-year-old discrete geometry conjecture

•該猜想由匈牙利數學家保羅·埃爾德什（Paul Erdős）於1946年提出，旨在確定平面上 n 個點之間單位距離出現的最大次數。
•埃爾德什曾對此問題提出一個下限猜想，並懸賞500美元徵求匹配的上限證明，而最佳已知上限在過去40年來一直停留在 O(n^(4/3))。
•OpenAI的模型，如o1、o3和GPT-5.2，透過「思維鏈」（chain-of-thought）推理和強化學習等技術，能夠系統性地分解複雜問題並探索多種解決路徑，從而提升其在數學推理任務上的表現。
•此突破進一步證明了AI系統在生成反例（counterexamples）方面的潛力，這對於推翻數學猜想至關重要，特別是在離散數學領域。
•OpenAI的「思考模型」被設計為在回應前投入更多「思考時間」（test-time compute），這使得模型能夠在複雜任務中進行更深入的內部審議和自我修正，從而顯著提高準確性。

模型家族： OpenAI的o1、o3和GPT-5.2模型被提及具有先進的推理能力，專為邏輯推導、多步驟規劃和STEM任務而設計。
核心技術：
- 思維鏈（Chain-of-Thought）推理： 模型被訓練以系統性地分解問題，探索多種解決路徑，並生成中間步驟，類似於人類解決問題的過程。這是o1模型運作的基石。
- 強化學習： 用於微調和校準模型，獎勵有效的問題解決行為，幫助AI磨練其思維鏈並完善策略。人類回饋者會「評分」AI的推理過程。
- 測試時計算（Test-Time Compute）： 模型被設計為在回應前「思考更長時間」，允許內部審議、完善和自我修正，從而提高多步驟任務的準確性。這涉及生成隱藏的思維鏈。
- 系統性分解： 複雜問題被分解為可管理的區塊。
- 自我評估與自我修正： 過程中內建了定期驗證檢查點。
- 多路徑探索： 模型會生成多種方法並評估其優點。
架構（通用）： 採用Transformer架構，並經過專門訓練以維持內部對話或「思考區塊」。
應用： 擅長解決複雜的問題，從數學推理到編碼挑戰。
性能： o1模型在競爭性編程問題（Codeforces）中達到89%的百分位，在美國數學奧林匹亞資格賽（AIME）中位列前500名學生，並在GPQA基準測試中超越人類博士級別的準確性。o3模型在AIME中達到96.7%的準確性。

AI將加速基礎數學研究的步伐。

AI系統能夠自動生成反例並探索複雜的數學空間，這將使人類研究人員能夠更快地驗證或推翻猜想。

人機協作將成為數學發現的新範式。

AI模型作為探索性工具，可以提出人類可能忽略的新思路和跨領域聯繫，而人類專家則負責驗證、解釋和提供領域知識。

AI在形式化推理和自動定理證明方面的能力將持續增強。

隨著AI模型在「思維鏈」和強化學習方面的進步，它們將能更可靠地處理多步驟邏輯和抽象推理，進而推動通用人工智慧（AGI）的發展。

1946-XX

保羅·埃爾德什提出單位距離問題

1984-XX

Spencer、Szemerédi和Trotter確立了單位距離問題的最佳已知上限O(n^(4/3))

2024-09

OpenAI推出o1模型系列，強調其在數學、編碼和科學領域的推理能力

2025-01

OpenAI的GPT-5.2模型據報導解決了埃爾德什提出的兩個長期未解問題（#397和#728）

2025-10

OpenAI研究人員錯誤地宣稱GPT-5解決了10個埃爾德什問題，隨後撤回聲明

2026-05

OpenAI模型成功推翻了離散幾何領域中長期存在的「單位距離問題」猜想

OpenAI 模型解決了 80 年前的離散幾何猜想