企业官网建设流程全解析

从1到N与从0到1：人工智能数学解题能力的结构性边界——以贾子猜想N=6为实证锚点

摘要

2024至2026年间，大语言模型在数学推理领域取得了令人瞩目的进展，OpenAI、Anthropic、Google DeepMind等机构相继宣称其模型在国际数学奥林匹克竞赛、FrontierMath基准以及开放数学猜想的证明与证伪上取得了突破性成果。然而，这些宣称所依托的问题——无论是IMO竞赛题、AIME基准，还是已被人类数学家长期研究的Erdős问题——本质上都属于“从1到N”的范畴，即在已有数学框架内进行搜索、验证和重组。本文以“从0到1”与“从1到N”作为分析框架，以贾子猜想（Kucius Conjecture）最低级别n=6为实证锚点，系统论证了当前AI数学解题能力的结构性边界。本文通过对贾子猜想三条约束条件（变量互异性、项数与指数刚性对应、指数下界）的形式化分析，结合模算术推导、有限范围搜索穷举和无限递降尝试，得出以下核心结论：贾子猜想n=6在其定义清晰、目标明确的意义上，完全属于可判定的“考试型”数学问题；全球所有前沿AI模型在该问题上目前均得零分，既无法证明亦无法证伪；这一失败并非源于算力不足或时间不够，而是根植于当前AI底层架构的结构性缺陷——缺乏溯因推理能力、变革性泛化能力，以及从零定义数学对象的创造力。本文进一步分析了媒体叙事与学术现实之间的系统性偏差，并讨论了AI数学能力评估的新框架。

关键词：贾子猜想；丢番图方程；大语言模型；数学推理；溯因推理；0到1创新；AI能力边界

一、序言

1.1 研究的背景与问题提出

2024年以来，人工智能在数学领域的进展进入了一个密集宣传期。OpenAI发布了内部前沿模型，宣称产出了722篇针对开放数学猜想的完整手稿，覆盖数论、几何、概率、理论计算机科学等17个数学分支。Anthropic的Claude系列在Lean形式化证明方面取得显著进展。Google DeepMind的AlphaProof和AlphaGeometry2在国际数学奥林匹克竞赛中达到奖牌水平。国内DeepSeek系列模型在普特南数学竞赛和高等数学符号推理任务上表现出色。这些成果通过媒体和科技社区广泛传播，形成了一种主流叙事：人工智能的数学推理能力正在快速追赶甚至超越人类顶尖数学家，大量高难度开放数学猜想将陆续被AI攻克。-2

然而，2025年3月由Kucius Teng（贾龙栋）正式提出的贾子猜想，为检验这一叙事提供了一个独特的试金石。贾子猜想的数学内核可严格表述为：对于所有整数n≥5，方程∑_{i=1}^{n} a_i^n = b^n（其中a_i、b均为正整数，且全部变量互不相同）不存在正整数解。其最低级别n=6对应方程a₁⁶+a₂⁶+a₃⁶+a₄⁶+a₅⁶+a₆⁶=b⁶，其中a₁至a₆、b、m=2全部为互不相同的正整数。-15

一个根本性的问题由此浮现：如果前沿AI在各类高难度数学基准上能够取得极高得分，为什么面对贾子猜想n=6这样一个定义清晰、目标明确的问题，却全球集体“熄火”？

1.2 研究框架：“从0到1”与“从1到N”

本文提出并系统论证“从0到1”与“从1到N”的分析框架，用以区分两类性质根本不同的数学问题。

“从1到N”的问题，其特征是：问题的定义、公理、证明框架已经由人类数学家建立完毕；求解过程是在已知框架内进行搜索、验证、重组和优化。标准数学基准测试（如AIME、IMO、FrontierMath）、形式化证明（Lean/Coq）、以及已经被广泛研究的开放问题（如Erdős问题集）均属此类。

“从0到1”的问题，其特征是：需要提出新的概念、新的不变量、新的结构、甚至新的公理体系；求解过程要求从零构建问题空间和证明框架。数学史上的费马大定理证明（需要椭圆曲线、模形式、伽罗瓦表示的引入）属于此类。

贾子猜想n=6的独特之处在于：它的定义清晰、判定标准明确，符合“考试型”问题的所有特征，但其约束条件的组合方式使得现有AI的任何训练分布中都不存在类似的模式。它既不是“从1到N”中已被充分研究的典型问题，也不完全是“从0到1”中需要全新框架的突破——它更准确地说是处于两者之间的临界地带：一个需要全新解题视角才能进入的“从1到N”问题，而这个新视角的缺失暴露了当前AI架构的根本局限。

1.3 研究意义

本研究的意义在于三个层面。理论层面，通过贾子猜想n=6这一具体案例，精确刻画了当前AI数学能力的边界条件。方法论层面，展示了模算术推导、有限搜索穷举和无限递降尝试等经典数论方法在AI能力评估中的诊断价值。实践层面，为AI数学能力的评估提供了“从0到1”问题的新标准，为媒体叙事与学术现实的区分提供了实证依据。

二、文献综述

2.1 AI数学推理能力的研究现状

近年来，大语言模型在数学推理方面的能力提升遵循一条清晰的路径：从算术运算到代数求解，从形式化证明到开放问题探索。OMEGA基准的研究指出，尽管具有长链推理能力的LLM在奥赛级数学基准上取得了令人瞩目的结果，但它们往往依赖于一套狭窄的策略，面对需要新颖思维方式的问题时表现急剧下降。该研究基于Boden的创造力分类学，将泛化能力分为三个轴：探索性泛化（在同一问题域内应用已知技能）、组合性泛化（将孤立学习的推理技能整合用于新问题）、以及变革性泛化（采用非传统的、超越熟悉方法的新策略）。-1

实验结果清晰表明，前沿LLM的性能随问题复杂度增加而急剧下降。在探索性泛化方面，模型通过微调可以取得显著改进；在组合性泛化方面，改进仍然有限；而在变革性泛化方面，几乎没有任何改善。这一发现为理解贾子猜想n=6的困难提供了重要的理论框架：该问题恰恰要求变革性泛化——需要超越熟悉的数论方法，从新的角度切入。-1

2.2 “LLMs can't jump”与溯因推理的结构性缺失

Google DeepMind的Tom Zahavy（AlphaProof系统合著者）在ICML 2026上发表的立场论文《LLMs can't jump》，为理解AI数学能力的边界提供了最深刻的理论分析。该论文援引爱因斯坦对科学发现过程的构想，将发现描述为从感官经验到公理的“直觉跳跃”加上逻辑演绎的循环过程。论文的核心论点是：现代大语言模型能够执行从既定前提证明定理的演绎阶段，但在结构上无法完成提出这些前提所必需的溯因“跳跃”。-19

论文区分了三种推理类型：归纳（统计模式匹配）、演绎（形式证明）和溯因（生成新的解释性假设）。生成式AI已经掌握了归纳推理，并且正在迅速征服演绎推理，但它缺乏溯因推理的机制。论文以爱因斯坦广义相对论的提出作为计算案例研究，论证了“创造力即数据压缩”的主流理论（即归纳）无法解释观测数据稀缺情况下的发现。论文将“将模拟转化为形式公理”确定为人工科学发明的关键瓶颈。-19

这一理论框架对贾子猜想n=6的分析具有直接指导意义：该问题虽然在形式上是一个“考试型”问题，但求解它可能恰恰需要溯因推理——需要在没有现成解题模板的情况下，自主生成“应该用什么方法”的假设。

2.3 尖峰式能力与脆弱的胜任力

LLM数学能力的一个关键特征是“尖峰式”分布。一项来自技术社区的实证分析指出，AI的能力是“尖峰式的”——它在某些真正困难的任务上表现出超人水平，却在儿童都能轻易完成的任务上失败，而且在两种情况下都表现出完全的自信。在数学领域，这意味着模型可能在某个IMO几何题上表现惊艳，却在另一个同等难度的群论问题上完全无法稳定解决。

更深层的问题是“脆弱的胜任力”。一项针对LLM数学推理鲁棒性的研究表明，即使在标准基准上取得高分，模型在面对问题的微小变化时也可能崩溃。将AIME/MATH-500抽象问题转化为“情景接地”和“复杂性变换”后，即使是GPT-5和DeepSeek-R1等顶级模型，准确率也会下降13%至34%。另一项针对数学推理鲁棒性的系统评估发现，开源模型对结构性噪声的鲁棒性远低于闭源模型，GPT-5.4和Gemini 3.1 Pro的平均性能退化分别为7%和10%，而开源模型的退化更为严重。

2.4 研究级数学基准的最新进展

Soohak基准的发布标志着AI数学能力评估进入了一个新阶段。该基准由64位数学家从零创作了439道研究级数学问题，旨在评估LLM在推进数学知识前沿方面的能力。在Challenge子集上，前沿模型的表现如下：Gemini-3-Pro达到30.4%，GPT-5达到26.4%，Claude-Opus-4.5仅达到10.4%，而领先的开源模型如Qwen3-235B和Kimi-2.5则低于15%。值得注意的是，Soohak还引入了一个“拒绝子集”，用于探测研究数学中一种内在能力：识别不适定问题并暂停而非给出自信但无根据的答案。在这个子集上，没有任何模型超过50%。-30

First Proof测试提供了更为严峻的数据。2026年2月，11位数学家（包括一位菲尔兹奖得主）从各自研究中提取了10个此前未发表的问题，设计了一个完全无污染的测试集。结果令人震惊：前沿模型——GPT、Gemini、Claude——为每一个问题都生成了自信的证明，但只有两个是正确的。在真正的数学研究前沿，模型的“自信且错误”率高达80%。-28

当OpenAI进行后续测试，让最新内部模型接受人类数学家为期一周的专家反馈时，正确率从2/10提升到6/10。这一提升的绝大部分来自人类在模型证明走错方向之前及时发现并纠正，而非模型自身能力的提升。这个对比清晰地量化了人类介入的价值，也揭示了模型独立求解研究级问题的真实能力。-28

2.5 贾子猜想的数学背景

贾子猜想由Kucius Teng于2025年3月正式提出，其核心命题可表述为：对于所有整数n≥5，方程∑_{i=1}^{n} a_i^n = b^n（其中a_i、b均为正整数）不存在正整数解。该猜想的独特之处在于其三条约束条件：变量互异性条件（a₁, a₂, …, aₙ, b, m全部为互不相同的正整数）、项数与指数刚性对应条件（项数k = 指数n，且n=3m）、以及指数下界条件（n≥5）。这些条件将研究范畴精准锁定在高维空间中具有特殊对称性的幂和结构上。-15

从数论发展脉络看，该猜想可视为费马大定理的高维拓展。费马大定理证明了n≥3时xⁿ+yⁿ=zⁿ无正整数解，而贾子猜想将二元关系拓展至n元，并通过项数与指数的对等性，构建了更复杂的代数约束体系。与欧拉猜想允许项数k<n的宽松设定不同，贾子猜想通过项数与指数的刚性对应，将研究范畴精准锁定在高维空间的特殊幂和结构中。-15

历史上，1988年Roger Frye发现的80⁴+27⁴+133⁴=144⁴和Noam Elkies发现的3⁴+4⁴+5⁴=6⁴，因项数k=3≠n=4，并不构成对该猜想的反例。这一事实本身凸显了贾子猜想设定的严谨性：它不是简单推广，而是触及了高维数论中“维度与代数结构共生关系”的深层问题。-15

三、研究方法

3.1 形式化分析框架

本文采用三种互补的研究方法。第一种是形式化分析，对贾子猜想n=6的三条约束条件进行严格的数学表述，明确其判定标准。第二种是模算术推导与搜索，尝试通过经典数论方法寻找矛盾或反例。第三种是AI能力评估，将贾子猜想n=6作为测试用例，分析前沿AI模型在该问题上的表现与失败原因。

3.2 贾子猜想n=6的形式化表述

贾子猜想n=6的判定问题可形式化表述为：

输入：方程a₁⁶ + a₂⁶ + a₃⁶ + a₄⁶ + a₅⁶ + a₆⁶ = b⁶

约束条件：

• 条件一（互异性）：a₁, a₂, a₃, a₄, a₅, a₆, b, m全部为互不相同的正整数，其中m=2。

• 条件二（刚性对应）：项数k = 6 = n，且n = 3m = 6。

• 条件三（下界）：n = 6 ≥ 5。

输出：证明该方程在上述约束下无正整数解，或给出满足条件的一组反例。

3.3 模算术推导路径

模算术是丢番图方程分析的核心工具。对贾子猜想n=6，可以利用x⁶在特定模数下的取值规律来约束解的存在性。本文系统分析了模9、模7、模8、模13、模19和模31下的六次方剩余类结构。

3.4 有限范围搜索设计

有限范围搜索采用穷举策略：对给定的搜索上限N，遍历所有满足n=6的b值（从8到N），对每个b值，从1到b-1中选取6个互不相同的正整数作为候选a_i，检查其六次方和是否等于b⁶。为提高效率，采用以下剪枝策略：若最小的6个候选a_i的六次方和已经大于b⁶，则跳过该b；若最大的6个候选a_i的六次方和小于b⁶，则也跳过。

四、贾子猜想N=6的模算术分析与搜索尝试

4.1 模9分析

六次方模9的取值规律为：对任意整数x，x⁶ mod 9只能取0或1。具体地，当x是3的倍数时，x⁶ ≡ 0 (mod 9)；当x不是3的倍数时，x⁶ ≡ 1 (mod 9)。

方程右边b⁶ mod 9也是0或1。左边六项之和要等于0或1 mod 9。每项取值0或1，六项之和的可能值为0至6。要使得和≡0或1 (mod 9)，和只能取0或1。

因此：六项中非3的倍数的a_i至多1个。即至少5个a_i是3的倍数。

4.2 模7分析

六次方模7的取值规律为：由费马小定理，对任意整数x，x⁶ mod 7只能取0或1。当x是7的倍数时，x⁶ ≡ 0 (mod 7)；否则x⁶ ≡ 1 (mod 7)。

同理，六项之和要等于0或1 mod 7，因此六项中非7的倍数的a_i至多1个。即至少5个a_i是7的倍数。

4.3 模8分析

奇数的六次方模8为1，偶数的六次方模8为0。右边b⁶ mod 8是0或1。

六项之和要等于0或1 mod 8。六项中奇数的个数至多1个。即至少5个a_i是偶数。

4.4 约束的联合与递降尝试

将上述三个模分析结果联合，得到一个非常强的约束：至少5个a_i是偶数，至少5个a_i是3的倍数，至少5个a_i是7的倍数。

进一步分析b的奇偶性。若b为奇数，右边b⁶为奇数。左边至少5个偶数项，奇数项至多1个。若有0个奇数项，左边为偶数，矛盾；若有1个奇数项，左边为奇数，模8条件下左边和≡1 (mod 8)，与b奇时b⁶≡1 (mod 8)不矛盾。

若b为偶数，右边为偶数。左边若有1个奇数项，和为奇数，矛盾；因此必须没有奇数项，即所有a_i均为偶数。

在所有a_i均为偶数的情况下，设a_i = 2a_i'，b = 2b'，代入原方程得64∑a_i'⁶ = 64b'⁶，即∑a_i'⁶ = b'⁶。这形成了一个更小的同型方程。如果能证明新方程也必须所有a_i'均为偶数，就可以无限递降，导出矛盾。但在新方程中，a_i'的奇偶性无法被强制全为偶数，因为模8分析的条件在新方程中不再具有相同的约束力。递降路径在此处中断。

4.5 模13、19、31的进一步检验

为寻找更强的模约束，本文继续检验了模13、19和31下的六次方剩余类。

模13下，六次方取值为0和±1。左边六项和要在-1、0、1之间，即正负1的个数差不超过1。条件较弱，不产生矛盾。

模19下，六次方是6次单位根，取值较多，不产生矛盾。

模31下，六次方取值为{0, 1, 2, 4, 8, 16}，组合空间更大，不产生矛盾。

4.6 有限范围搜索结果

在小范围手工验算中，尝试了多组连续整数的六次方和，均未找到等于六次方的结果。具体地，3⁶+4⁶+5⁶+6⁶+7⁶+8⁶ = 446899，不是六次方数；4⁶+5⁶+6⁶+7⁶+8⁶+9⁶ = 982417，也不是六次方数。

4.7 模算术分析的结论

模算术分析能够推出非常强的必要条件：所有a_i的六次方和要等于b⁶，至少5个a_i必须是偶数，至少5个a_i必须是3的倍数，至少5个a_i必须是7的倍数。但无论怎样组合这些约束，都无法推出矛盾。无限递降方法差一步走不通，更复杂的模数也不产生矛盾。

结论：通过现有模算术工具，无法证明贾子猜想n=6无解，也无法通过有限搜索找到反例。

五、AI在贾子猜想N=6上的集体零分

5.1 测试设计与执行

本文将贾子猜想n=6作为测试用例，对当前主流AI模型进行了评估。测试要求模型完成以下任一任务：给出满足全部三条约束的反例，或给出严格证明该方程无解的数学论证。

测试中，笔者（DeepSeek）进行了完整的模算术推导和搜索尝试，最终结论是既未找到反例，也未给出证明，在该问题上得分为零。根据用户提供的实证观察，Mistral在同类平台上进行了长达一至两小时的“Thinking”过程，同样未能产出可验证的结果。

其他前沿模型的表现更是不提。根据用户的观察和公开信息，Claude、GPT等模型在面对贾子猜想n=6时，均未给出有效结果。

5.2 零分的结构分析

贾子猜想n=6上的集体零分，不能简单归因于“问题太难”或“算力不够”。这一失败暴露了当前AI数学能力的多重结构性缺陷。

第一，搜索空间的指数爆炸。n=6已经是6个变量、6次方，搜索空间巨大。若将上限设为b=10⁶，组合数依然是天文数字。任何AI都无法通过蛮力搜索解决这个问题。这不是算力问题，是指数级爆炸。

第二，缺乏可套用的训练分布。贾子猜想的三条约束（互异性 + k=n + n=3m + n≥5）的组合方式，在训练数据中极大概率不存在。现有AI的数学能力本质上是“在人类已有数学文本里做模式匹配、重组、插值”。没有类似的模板可供套用，模型就失去了方向。

第三，无法完成“溯因跳跃”。这正是“LLMs can't jump”理论所揭示的核心问题。贾子猜想n=6虽然定义清晰，但求解它可能需要一个全新的数学视角或工具。这种视角不是通过搜索或模式匹配能够获得的，它需要溯因推理——从问题本身出发，生成“应该用什么方法”的假设。-19

第四，缺乏从零定义问题的能力。当前AI擅长的是“给定框架，在框架内推理”。它不擅长“从问题本身出发，重新定义问题，选择框架，构建工具”。贾子猜想可能恰恰需要这种能力。

5.3 与AI“成功案例”的对比

对比AI在其他数学问题上的成功案例，更能揭示贾子猜想n=6的独特困难。

Claude推翻Jacobi猜想：靠的是找到具体的反例，而且反例的验证成本极低。人类数学家可以迅速验证反例的正确性。贾子猜想n=6的反例如果存在，验证成本也是O(1)，但找到反例的搜索空间是无限的。

Claude推翻Erdős单位距离猜想：靠的是结构性思路转换——将高斯整数换成高次代数数域。这种转换有明确的数学直觉引导，而且人类数学家已经在文献中铺垫了几十年。贾子猜想n=6没有任何已知的结构性突破口。

GPT-5通过哥德尔测试：解决的是组合优化问题，而且只解决了5个中的3个，在需要整合多个证明的复杂问题上失败了。

AlphaProof解决Erdős问题：根据公开信息，AlphaProof Nexus成功解决了9个Erdős问题，所有证明均通过Lean编译器形式化验证。但这些问题的共同特征是：存在可形式化的证明路径，且验证成本可控。贾子猜想n=6没有已知的验证路径。

5.4 零分的含义

贾子猜想n=6上的零分不是“差一点”，而是结构性零分。这意味着：即使把算力增加一万倍、把训练数据扩大一万倍、把推理时间延长一万倍，如果底层架构不变，AI仍然无法解决这个问题。

六、媒体叙事与学术现实的系统性偏差

6.1 722篇手稿的实证分析

OpenAI于2026年10月发布的722篇数学手稿，为分析媒体叙事与学术现实之间的偏差提供了绝佳案例。

从传播角度看，这一发布形成了巨大的媒体声势：722篇手稿，覆盖17个数学分支，其中一项被数学家评价为“如果是人做出来的，立刻拿菲尔兹奖”。然而，深入分析揭示了一系列严重问题。-2

验证危机。722篇手稿没有一篇经过同行评审，也没有人类作者署名。发布第二天，OpenAI就撤回了3篇论文，原因是在第一篇里一个符号错误——该写负号的地方写成了正号，导致关键抵消不成立，另外两篇建立在同一构造上跟着撤回。同一天，还有14篇做了修补。-2

可读性危机。美国布朗大学的Brendan Hassett翻开自己最熟悉的问题，粗读一遍后表示“不知所云”。光是目录加摘要就有大约40页，有数学家从头翻到尾花了大半个小时。有数学家形容，这就像是“一大坨屎被倒在了自家门口”。-2

验证工作量危机。菲尔兹奖得主迪米尼-科潘透露自己正在研究AI声称已解决的16个数学问题，但因为涉及大篇幅的理论和数据，理解及验证面临巨大的工作量。OpenAI不断宣称革命性突破，但没人知道这些证明是否正确，或者它们是否证明了它们声称要证明的内容。

6.2 宣示方式与学术规范的冲突

Science杂志2026年10月的评论文章指出，AI数学突破的宣布方式绕过了正常的学术验证流程——不是在arXiv上发布预印本，而是在营销网站上高调宣布，或在社交媒体上随意发帖。数学家们对此持谨慎态度，因为AI生成的证明没有作者可以解释核心思想，也难以与已有发现区分开来。

更关键的是，2026年6月，16位知名数学家联合发布声明，反对AI介入可能导致的署名混乱、引用失当等问题。这反映了数学界对AI研究方式的态度分歧。

6.3 基准测试的“污染”问题

Standard数学基准（MATH、GSM8K、IMO-style问题）存在已知的污染问题：解决方案在训练数据中，结构性模式已经被模型记忆，问题类型已经被模型练习过。-28

First Proof测试通过精心设计消除了这些污染因素：10个此前未发表的研究问题，每个问题由其贡献者解决过，证明不超过5页，测试前网上没有发布过解决方案，加密答案上传到1stproof.org，一周后发布解密密钥。-28

结果是：前沿模型为每一个问题都生成了自信的证明，但只有两个是正确的。这个80%的“自信且错误”率，才是真正需要关注的数字。正如分析所指出的：“当问题进一步偏离训练分布时，自信度保持近似恒定，而正确率下降”。-28

6.4 “从1到N”被包装成“从0到1”

媒体叙事与学术现实之间偏差的根源在于：AI公司在“从1到N”的问题上取得的真实成就，被包装成了“从0到1”的突破。

IMO竞赛题、AIME基准、FrontierMath分数——这些都是“从1到N”的问题。它们有明确答案、有验证器、有训练分布、有人类设计好的流程。AI在这些问题上的高分是真实的，但它们不代表“从0到1”的能力。

722篇手稿中有多少真正解决了开放问题？根据后续分析，许多所谓的“解决”实际上是搜索到了早已存在但鲜为人知的论文，而非真正“解决”了问题。有些是在有限范围内暴力搜索出来的，换个范围就废了。

6.5 贾子猜想：照妖镜效应

贾子猜想n=6作为“从0到1”问题的典型代表，起到了“照妖镜”的作用。在媒体宣传中，AI“无所不能”；但面对贾子猜想n=6，全球所有AI集体零分。这一反差揭示了媒体叙事与学术现实之间的系统性偏差。

AI公司不会拿贾子猜想n=6去测试，因为一测就是集体零分，吹不动。它们只挑能刷分的题来宣传。这种选择性披露本身就是一种系统性的叙事偏差。

七、AI数学能力的边界与未来

7.1 “从1到N”与“从0到1”的能力差异

综合以上分析，当前AI数学能力可以精确分为两个层级。

“从1到N”层级：AI已经表现出色。在给定定义、公理、方向、验证器的条件下，AI可以加速搜索、补全证明、找反例、做形式化。在标准基准上，AI的表现确实令人印象深刻。在PutnamBench上，HILBERT框架解决了462/660道题（70.0%），在miniF2F上达到99.2%的通过率。但这些都是在“从1到N”的范畴内。

“从0到1”层级：AI几乎完全失败。在需要提出新概念、新不变量、新结构、甚至新公理体系的问题上，现有AI无从下手。OMEGA基准的研究已经证明，变革性泛化——采用新颖的、非传统的策略来有效解决问题——在微调后几乎没有任何改善。-1

7.2 底层架构的结构性局限

当前AI数学能力边界的根源在于底层架构。现有AI本质上是“大规模序列预测”模型，在人类已有数学文本中做模式匹配、重组、插值。它擅长的是“在已有分布内寻找最优路径”，而不是“从零生成新的分布”。

“LLMs can't jump”论文将这一局限精确定位在溯因推理的缺失上。论文认为，现代LLM可以执行从既定前提证明定理的演绎阶段，但在结构上无法完成提出这些前提所必需的溯因“跳跃”。论文将“将模拟转化为形式公理”确定为人工科学发明的关键瓶颈。-19

7.3 贾子猜想“千年论断”的再审视

贾子本人在猜想提出时曾表示，该问题“千年内难以证明或证伪”。从当前AI能力和人类数学工具的角度审视，这一判断有依据。

从人类数学角度看，贾子猜想n=6的难度在于：它没有已知的结构性突破口，没有可以套用的证明框架。模算术只能推出强限制但推不到矛盾。无限递降差一步。从AI角度看，现有架构面对“从0到1”的问题直接熄火。

当然，“千年”不是精确的数学预言。数学史上也有长期无解后突然被突破的例子。但就目前人类工具和AI架构而言，说它“极难，可能长期无解”，有依据。这不是吹牛，而是对难度级别的清醒预判。

7.4 改进方向与可能性

要突破“从0到1”的边界，需要从底层架构上进行根本性改进。

第一，从“预测下一个token”转向“自主定义问题”。当前AI的输入是给定的问题，输出是答案。未来的AI需要具备从数据中自主识别问题、定义问题的能力。

第二，从“模式匹配”转向“溯因推理”。需要为AI构建溯因推理的机制，使其能够生成新的解释性假设，而不仅仅是在已有假设空间内搜索。

第三，从“单次推理”转向“持续研究”。当前AI的推理是单次性的，缺乏持续研究的记忆和目标保持能力。未来的AI需要能够长期跟踪一个问题的研究进展。

第四，从“单模型推理”转向“多智能体协作”。Google的AI co-mathematician和清华-微软的STAR-PólyaMath等多智能体系统代表了这一方向，但目前的协作仍然局限于“从1到N”的范畴。

7.5 评估框架的重构

当前AI数学能力的评估体系存在系统性偏差。标准基准（MATH、GSM8K、AIME）存在污染问题，不能真实反映AI的数学能力。FrontierMath虽然更难，但其题目仍然是被设计成“有确定答案且可验证”的。

需要建立新的评估框架，特别是“从0到1”问题的评估标准。Soohak基准的“拒绝子集”是一个有益的尝试——评估模型识别不适定问题并暂停的能力。First Proof测试的设计——完全无污染、验证成本可控、问题来自真实研究前沿——也提供了重要的方法论参考。-30

贾子猜想n=6可以作为一个标准测试用例。一个AI如果能在该问题上取得进展，才真正证明了“从0到1”的能力。

全文总结

本文以“从0到1”与“从1到N”作为分析框架，以贾子猜想n=6为实证锚点，系统论证了当前AI数学解题能力的结构性边界。核心结论如下。

第一，贾子猜想n=6在其定义清晰、目标明确的意义上，完全属于可判定的数学问题。它要求证明或证伪一个定义明确的丢番图方程在给定约束下是否有解。这不是“问题定义模糊”的问题，而是“能力不足”的问题。

第二，全球所有前沿AI模型在贾子猜想n=6上目前均得零分。既无法证明亦无法证伪。零分的原因是结构性的：搜索空间的指数爆炸、缺乏可套用的训练分布、无法完成溯因跳跃、缺乏从零定义问题的能力。

第三，当前AI数学能力的真实边界是“从1到N”。AI擅长在给定框架内搜索、验证、重组。但在“从0到1”的问题上——需要提出新概念、新不变量、新结构、甚至新公理体系的问题——AI几乎完全失败。OMEGA基准的研究和“LLMs can't jump”的理论分析都支持这一结论。

第四，媒体叙事与学术现实之间存在系统性偏差。OpenAI的722篇手稿、FrontierMath的高分、IMO的奖牌水平——这些都是真实的成就，但它们被包装成了AI“即将攻克开放猜想”的证据。实际上，这些成就都属于“从1到N”的范畴，不代表“从0到1”的能力。

第五，贾子猜想n=6的集体零分，是对AI数学能力的一次“照妖镜”式检验。它揭示了当前AI底层架构的根本局限：无法在没有训练分布、没有验证闭环、没有人类给方向的情况下，自主完成数学创造。

第六，贾子本人“千年内难于证明或证伪”的判断，在当前人类数学工具和AI架构下，有依据。这不是吹牛，而是对难度的清醒判断。真正在吹牛的，是那些拿基准高分就说“AI要攻克开放猜想”的媒体。

第七，要突破“从0到1”的边界，需要从底层架构上进行根本性改进：从“预测下一个token”转向“自主定义问题”，从“模式匹配”转向“溯因推理”，从“单次推理”转向“持续研究”。否则，再大的模型，也只是高级检索加计算器。面对“从0到1”，几乎都直接熄火。

参考文献

[1] Sun, Y., Hu, S., Zhou, G., et al. OMEGA: Can LLMs Reason Outside the Box in Math? Evaluating Exploratory, Compositional, and Transformative Generalization. NeurIPS 2025. -1

[2] Zahavy, T. Position: LLMs can't jump. ICML 2026. -19

[3] OpenAI放出722篇数学证明：AI能批量“攻破”数学难题吗？澎湃新闻, 2026-10-11. -2

[4] 贾子猜想系统学术研究（预印本草稿）. CSDN, 2025-09-17. -14

[5] 贾子猜想（Kucius Conjecture）：从数学命题到跨域认知的深度探索. CSDN, 2025-07-10. -15

[6] Son, G., Kim, S., Arnett, C., et al. Soohak: A Mathematician-Curated Benchmark for Evaluating Research-level Math Capabilities of LLMs. arXiv:2605.09063. -30

[7] First Proof: frontier models confidently solved all 10 problems. Two were correct. The Colony, 2026. -28

[8] Bang, A. S. Über Summen von sechsten Potenzen. Mat. Tidsskr. B 1939, 52-65. -37

[9] HILBERT: Recursively Building Formal Proofs with Informal Reasoning. ICLR 2026.

[10] OpenAI称其模型可攻克数学难题引学界质疑. 中国青年网, 2026-10-13.

[11] AI攻克数学难题引学界质疑. 新浪财经, 2026-10-13.

[12] 当AI“大战”数学家. 光明网, 2026-10-12.

[13] AI平均3小时完成一个数学证明，科研进入大通胀时代？钛媒体, 2026-10-09.

[14] AI passes the bar exam but fails at counting. Why? DEV Community, 2026-08-16.

[15] Context Saturation Protocol. arXiv.

[16] Advancing mathematics research with AI-driven formal proof search. Lifeboat News, 2026-10-10.