GPT-5.6 用提示词破解30年凸优化难题
推荐指数 86.0 NO. 011 · 2026.07.19
发布2026/07/18Score362Comments213
为什么值得看
OpenAI 的 GPT-5.6 仅通过自然语言提示，就填补了凸优化领域长达30年的理论空白。这意味着大模型可能具备自主发现数学定理的能力，对算法设计和自动证明方向有直接影响。
编辑判断
凸优化的这个30年 gaps 此前依赖人类数学家手工构造证明，每年产出极少。GPT-5.6 的突破不在于算力碾压，而是模型似乎内化了高维几何的某种直觉模式，这是和 AlphaProof 不同的路径——后者需要形式化验证环境，而这里只用自然语言交互。
如果这一能力可复现到其他数学分支，MathOverflow 和 arXiv 上大量悬而未决的构造性问题可能被批量解决。做自动形式化验证（如 Lean、Coq 社区）的团队需要关注：这种非形式化的数学直觉能否被蒸馏成可验证的证明，将是关键瓶颈。
社区反馈
意见分歧 172 条评论
核心争论：LLM是填补现有知识空白的工具，还是能真正创造新数学的自主研究者？
相关内容
Waiting for comments saying that LLMs can't produce anything new and general goalpost moving.
From the post lol >So I wouldn't really say that this result is using or creating some fundamentally new techniques in convex geometry or optimization theory. What this means from my perspective is that if a result is attainable with existing techniques, modern AI methods will be able to solve those
so it seems like The New Big Question In Math is How's It Hanging, Brother?