10月6日晚，OpenAI在官网挂出博客《Sharing AI progress in mathematics》，同时公开了GitHub仓库 openai/math：719篇数学预印本，直指千禧难题级别的硬骨头，Hacker News一篇1311分、1485条评论的巨帖当天屠版。结果第二天，仓库里一份 history.md 让所有人愣住：自撤3篇、修复14篇。触发撤稿的，只是一个符号错误。
这场48小时反转剧，把整个HN吵成三派，陶哲轩下场写了四连贴，UT Austin教授斯科特·阿伦森（Scott Aaronson）干脆写了篇《数学末日》。中文圈目前大多只在转述“OpenAI发布了719篇论文”这一个点，而真正值得抄走的，是这场争吵里暴露的新评估标准：评价AI产出物，别再只问对不对，要问错了多久能被发现、能不能公开追溯。这篇文章把来龙去脉、各方论点和你能直接上手的做法一次讲完。
几个关键数字，都来自可查证的一手来源：
github.com/openai/math 的 /preprints 目录下，官方博客链接：openai.com/index/sharing-ai-progress-in-mathematics/history.md 里：300/719。所谓形式化验证，是把证明翻译成Lean这类证明助手里机器可逐行校验的代码。人类数学界极少做这件事，因为太贵goldbach_conjecture（哥德巴赫猜想）这类目录名——哥德巴赫甚至不在七个千禧难题之列，野心可见一斑history.md 的修复清单里出现了《Exact Birch–Swinnerton-Dyer Formula from Low Selmer Corank》——BSD猜想正是悬赏百万美元的千禧难题之一；多篇论文则围绕Hodge猜想（同为千禧难题）展开HN读者翻到这些目录结构时的原话是：这看起来像是OpenAI在尝试解决千禧难题。官方博客的措辞反而克制，只说“分享AI在数学上的进展”。
10月7日，history.md 出现如下记录（原文可查，链接见文末）：
在《split abelian eightfold上Weil代数性》一文中，一个符号错误使“稳定化迹消去”（stabilization-trace cancellation）论证失效，并破坏了两篇依赖性论文所用的构造。因此我们撤回以下三篇手稿： - Algebraicity of Weil classes on split abelian eightfolds - Algebraicity of Kuga–Satake Correspondences for K3 Surfaces - The rational Hodge conjecture for products of K3 surfaces
同一份文件还记录：另外14篇论文完成证明修复（补条件、修收敛论证、厘清假设依赖），新增6项形式化验证，把总量推到300/719。撤掉的论文页面现在挂着说明，并保留存档版本供审计。
"OpenAI withdraws three mathematical results"单独开帖，又收了457条评论。相当于一场大戏拆成两个热帖同步直播。
用一张图看懂完整链条：
flowchart TD
A["OpenAI发布openai/math<br/>719篇预印本"] --> B["HN冲上1311分<br/>1485条评论"]
B --> C["10月7日<br/>公开纠错启动"]
C --> D["撤稿3篇<br/>根源：一个符号错误"]
C --> E["修复14篇<br/>形式化覆盖42%"]
D --> F["反方：The Mathocalypse<br/>AI数学不可信"]
E --> G["正方：错误可见可修<br/>人类论文做不到"]
F --> H["陶哲轩提出Math 2.0<br/>重估数学价值标准"]
G --> H
H --> I["新共识：<br/>比错误率更重要的是纠错基建"]
斯科特·阿伦森（Scott Aaronson），UT Austin教授，量子计算圈的意见领袖。他在个人博客Shtetl-Optimized发了一篇标题就带情绪的文章 《The Mathocalypse》（数学末日），HN上350分、366条评论。
他在文中的核心抱怨：OpenAI宣称其模型证明了BSD猜想的79种情形、Hodge猜想的7种情形——如果这个断言成立，数学界几个世纪的议程表都要改写；但社区消化这些“进展”的速度是固定的，于是出现一种集体性的消化不良：要么照单全收（不可接受），要么逐篇验证（做不完）。阿伦森把这种状态命名为“数学末日”——不是数学的末日，而是数学作为社会性活动的验证机制被打穿了。
反方阵营的三层论点大致是：
正方的论点恰恰建立在反方最嘲讽的那一点上——错得快，但错得透明。
最有分量的声音来自陶哲轩（UCLA教授、菲尔兹奖得主）。他在 Mathstodon（@tao）连发四贴，第4贴发布于10月6日，被搬运到HN后拿下552分、561条评论。原文核心：
"Math 1.0"把奖励押在“最先解决公开问题”上，即使解法起初并未被真正理解。如今这个目标已被优化到不可持续的程度，"Math 2.0"需要弱化单点解题的角色，更整体地评估数学进展——比如提升讲解（exposition）、社区建设、开拓新研究方向的地位。AI在这些方向上同样能做出正面贡献；但这需要比“把AI Agent指向一堆公开难题然后要答案”更多的想象力和野心。我们的社区需要显式重估教育、出版与职业晋升的评审标准，以反映"Math 2.0"时代。
注意他的落点不是“AI行不行”，而是：当解题被机器工业化后，人类数学家的价值坐标必须整体平移。这句话对所有“产出物是知识”的行业都成立。
信息差一：评估AI产出物的新维度已经出现。 国内讨论大多停在“AI写的对不对”，而这场HN大吵里，头部玩家已经在比较“谁的纠错基建更强”——形式化覆盖率、撤稿流程、依赖图谱、版本可审计性。搬到你的AI代码仓库同样成立：与其追求零bug，不如追求每个bug可被CI捕获、可被版本历史追溯、可被依赖分析圈定影响面。
信息差二：Lean/形式化验证正在从冷门绝学变成刚需技能。 719篇里300篇形式化，意味着“把模型输出翻译成机器可验证形式”会成为一个真实的工作类别。中文社区对Lean 4 + Mathlib的系统介绍还非常稀少，现在入场的窗口期成本最低。
信息差三：“公开试运行+主动撤稿”是一种可以直接抄的发布模式。 OpenAI把不完美的研究过程整个晾在公开仓库里，用一份 history.md 把负面新闻（撤稿）转化成了信任资产。对比“翻车后删帖冷处理”的常见操作，这套玩法对做开发者产品的团队极具参考价值：错误公开的成本，远低于信誉破产的成本。
| 你以为的关键指标 | 头部社区已经在看的指标 |
|---|---|
| AI给出的答案对不对 | 错误被发现的平均时长 |
| 论文/代码的数量 | 可机器验证的比例（本例42%） |
| 机构声誉背书 | 撤稿与修复流程是否公开可审计 |
| 单点突破能力 | 依赖图谱与影响面追踪 |
github.com/openai/math，先读 history.md——一份文件看懂全部撤稿与修复逻辑，再翻 /preprints 感受719篇的规模。重点看那篇BSD论文的README怎么写“移除了过时引用”。陶哲轩那句“把AI Agent指向公开难题然后要答案，是Math 1.0思维”，换个词同样锋利：把AI指向需求文档然后要代码，是"Software 1.0思维"吗？当生成成本趋近于零，稀缺的不再是答案，而是验证答案的基建和判断哪个答案值得验证的品味。这场数学界的48小时地震，很可能是所有知识型行业的一次预演。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。