数学家质疑：OpenAI 并未真正理解自己的 Navier-Stokes 证明

9 月初，该公司提出了一份 166 页的 Navier-Stokes 方程组潜在解。OpenAI 声称该证明遵循了西班牙数学家 Diego Córdoba 和 Luis Martínez-Zoroa 的方法。

据 《科学美国人》报道，目前多个专家团队对此意见不一。瑞士联邦理工学院的数学家 Gonzalo Cao-Labora 表示：“当你深入细节就会发现，它采用的是另一种路径。” 他认为，两者的相似之处仅停留在表面。

这份潜在证明是用 Lean 编写的，这是一种形式化验证语言，它能检查每一个逻辑步骤，但本身对人类并不易读。自发布以来，克雷数学研究所（CMI）一直在 审查 该证明。

在发表之前，纽约大学的数学家 Tristan Buckmaster 指责 OpenAI 利用了由他及 Anthropic 的 Levent Alpöge 利用公开模型完成的工作成果。OpenAI 否认了这一说法，称从未使用过 Buckmaster 的数据。普林斯顿高等研究院的 Camillo De Lellis 认为，由于语言模型本质上是黑盒，得出确定性结论可能根本行不通。

10 月初，OpenAI 一次性公布了 另外约 400 个结果，数学界简直应接不暇。将其以松散集合的形式发布在 GitHub 上，惹怒了许多数学家，他们觉得这种做法贬低了这一学科。

无人知晓一万名 AI Agent 是否真的发挥了作用

OpenAI 似乎也没搞明白自家工作里的另一件事。公司在这一点上砸了不少算力，部署了大约 1,000 个模型实例，运行了约 88 小时，耗用了 1300 亿个 token，才开发出这个潜在的 Navier-Stokes 解。据 OpenAI 研究员 Noam Brown 所说，没人真正清楚那群庞大的 agent 究竟对最终结果起了多大作用。

在如此规模下的行为尚未得到研究，因为用成千上万个 agent 做系统化对比测试的成本太高。既没人测试过单个 agent 解决同一问题需要多长时间，也 几乎无法判断 10,000 个 agent 相比 1,000 个有什么具体优势。

Brown 认为，不到 10% 的成功归功于 multi-agent 架构。他说，这类系统又新又亮眼，因此拿到了与其贡献不成正比的功劳。真正关键的是基座模型本身，它能长时间持续处理任务，还能并行运行。