2026 年 5 月 20 日，OpenAI 宣布：一個內部通用推理模型在測試中自主推翻了 Paul Erdős 於 1946 年提出的平面單位距離猜想——離散幾何最核心的開放問題之一。這不是把模型包上數學專用工具或搜尋鷹架做出來的結果：證明出自一個未經數學特化訓練的通用模型，過程中它選擇了找反例，而不是去證明大家原本相信的上界。
菲爾茲獎得主 Timothy Gowers 稱之為「AI 數學的里程碑」，並說如果投到《Annals of Mathematics》，他會「毫無猶豫地建議接受」。一個 80 年的懸案，就這樣被一個不是為數學而生的模型翻頁。
八十年懸案的答案
單位距離問題問的是：平面上 n 個點，最多能有幾對點的距離恰好是 1？Erdős 在 1946 年猜想答案是 n^(1+o(1))——接近線性。此後近八十年，最好的下界 construction 基本上還是 Erdős 自己的重縮放整數格子，量級約 n^(1+C/log log n)；上界則停在 1984 年 Spencer、Szemerédi 與 Trotter 的 O(n^(4/3))，中間的鴻溝一直沒人能動。
OpenAI 的模型給出第三種答案：對無窮多個 n，存在至少 n^(1+δ) 對單位距離的點集——直接推翻猜想。Princeton 的 Will Sawin 隨後在 5 月 20 日掛上 arXiv 的論文（編號 2605.20579）把指數明確化：n^1.014。
證明怎麼來：代數數論進場
技術上最意外的部分是工具的來源。Erdős 的原始 construction 用高斯整數；模型的突破是換成更豐富的代數數體，讓更多對稱性產生長度恰為 1 的差。這類數體的存在性，靠的是無限類域塔與 Golod–Shafarevich 理論——深不見底的代數數論工具，出現在看似初等的歐氏幾何問題裡。
Sawin 的論文沿用同一條路線，用 Golod–Shafarevich 判準建構「次數大、判別式小、含大量小範數質數」的數體，把 δ 推到 0.014。Thomas Bloom 的註記指出，這個結果顯示數論 construction 對離散幾何的意義遠比原先想像的大。
數學界的驗證與反應
OpenAI 同步發布了配套文件：外部數學家撰寫的解說論文《Remarks on the Disproof of the Unit Distance Conjecture》，以及節錄版的思考鏈。Princeton 的 Noga Alon 說「每個做組合幾何的人都想過這個問題」，並稱這些代數數論工具「優雅而聰明」。
Arul Shankar 觀察到模型的思考鏈大多在嘗試反例而非證明猜想，結論是 AI 模型「能夠產生原創的巧妙想法」。Jacob Tsimerman 承認自己曾在類似的反例嘗試上失敗。上界 O(n^(4/3)) 依然成立，真正的問題變成：正確的成長率到底是多少？
為什麼重要
三層意義。第一，這是 AI 首次自主解決一個數學子領域的核心開放問題，而且出自通用模型——能力來自推理本身，不是領域鷹架。第二，它開了一條代數數論與離散幾何之間的意外橋樑，數學家接下來有真的新問題可做。第三，對 AI 研究的定位：OpenAI 自己的框架是「模型可以成為跨科學的研究夥伴，但選題與詮釋仍靠人的判斷」，並說這種進度讓對齊問題更緊迫。
這與 Google ERA 在 Nature 發表的科學程式碼代理指向同一趨勢：模型開始在「研究本身」留下可驗證的產出，而不只是輔助寫作。對做研究工具的團隊來說，訊號很清楚——下一世代的產品假設應該建立在「模型能產生原創研究貢獻」之上。
參考來源
- An OpenAI model has disproved a central conjecture in discrete geometry — OpenAI
- An explicit lower bound for the unit distance problem — Will Sawin, arXiv
- Remarks on the Disproof of the Unit Distance Conjecture — OpenAI (PDF)
本文由 AI 協助自上述來源整理，經人工審核後發布。