部分数学家呼吁抵制 OpenAI，AI 生成的数学证明涌入数学领域

AHM 组织在 Terence Tao 主持下发表声明，呼吁抵制 OpenAI，称其一次性发布 700 多个 AI 生成证明文件是展示力量而非学术行为。

此前 OpenAI 宣称内部模型一个月内解决逾 100 个开放数学问题，约 8000 个测试问题成功率约 5%，平均每个耗时 3 小时 GPT-Pro 级算力。

AHM 在 Terence Tao 主持下发表声明，呼吁抵制 OpenAI，称其一次发布 700 多个 AI 生成证明文件是展示力量而非学术行为；OpenAI 此前宣称内部模型一个月解决逾 100 个开放数学问题，约 8000 个测试问题成功率约 5%。

• AHM 在 Terence Tao 主持下发表声明，呼吁抵制 OpenAI，称其一次发布 700 多个 AI 生成证明文件是展示力量而非学术行为；OpenAI 此前宣称内部模型一个月解决逾 100 个开放数学问题，约 8000 个测试问题成功率约 5%。
• 原贴提到：AHM 组织在 Terence Tao 主持下发表声明，呼吁抵制 OpenAI，称其一次性发布 700 多个 AI 生成证明文件是展示力量而非学
• 来源：the-decoder.com

这是什么信号

这不是一条普通的模型能力更新，而是数学共同体对 AI 生成证明进入学术核心流程的一次公开反弹。AHM 在 Terence Tao 主持下发表声明，把 OpenAI 一次性发布 700 多个 AI 生成证明文件定性为“展示力量而非学术行为”；与此同时，OpenAI 宣称其内部模型一个月内解决逾 100 个开放数学问题，并在约 8000 个测试问题上取得约 5% 的成功率，平均每个问题耗时 3 小时、消耗 GPT-Pro 级算力。

为什么重要

数学证明的价值不只在答案，更在可检验、可复现、可被同行吸收的论证链。AI 批量生成证明如果绕过同行评审与形式化验证，就会把“算力产出”与“学术贡献”混为一谈。5% 的测试成功率也不等于通用数学能力，它说明模型在特定测试集上能碰到少数可解问题，却不足以支撑“开放问题被大规模解决”的叙事。

对谁有价值

数学家与学术组织需要判断是否接受 AI 为共同作者、如何审查 AI 证明；AI 研究者与产品团队需要理解高门槛知识领域的采纳阻力；科研管理者、出版机构和资助方需要建立 AI 参与研究的披露与验证标准；行业观察者则能从中看到 AI 公司扩张与学术自治之间的张力。

可以怎么行动

学术侧可先要求 AI 相关证明附带可复现材料、完整推理链和独立验证结果，再把 AI 生成结果与正式同行评审分开处理。AI 公司若想进入数学等高信任领域，应主动披露测试集、成功率定义、失败案例与人工验证比例。研究者可关注形式化证明工具与基准测试的差距，避免把营销口径直接当作学术结论。

风险或限制

当前信息主要来自 AHM 声明与 OpenAI 宣称，缺少第三方系统验证；抵制声明也不等于全体数学家共识。AI 生成证明是否正确、是否可复现、是否具备原创贡献，仍需逐项审查。若只凭“解决逾 100 个开放数学问题”或“5% 成功率”做判断，容易高估模型能力，也容易低估学术共同体对规范与信任的要求。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《部分数学家呼吁抵制 OpenAI，AI 生成的数学证明涌入数学领域》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• The Decoder：AI News（RSS） 原帖