For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh-HK/articles/alphaproof-nexus-erdos-problems-oeis-proo-b583eb5b.md.
Google DeepMind 的 AlphaProof Nexus 是一篇《Science》論文的研究主題，該論文探討如何運用 AI 生成的形式化證明，處理尚未解決的研究問題。論文報告，在 353 個尚未解決的 Erdős 問題中取得 9 項成果，並在 492 個 OEIS 猜...
Google DeepMind 的 AlphaProof Nexus 是一篇《Science》論文的研究主題，該論文探討如何運用 AI 生成的形式化證明，處理尚未解決的研究問題。論文報告，在 353 個尚未解決的 Erdős 問題中取得 9 項成果，並在 492 個 OEIS 猜想中證明 44 項，此外也涉及其他數學領域。
其中一個受到關注的案例，解決了 Erdős 和 Sárközi 於 1970 年提出的兩個問題。更廣泛的意義在於其工作流程：語言模型以形式語言提出論證，再由 Lean 檢查每個證明步驟是否有效。
這種結合處理了生成式數學常見的一項弱點。聽起來令人信服的論證不一定正確；形式化驗證器則提供更嚴格的接受標準，但前提是形式化陳述準確表達了原本要探討的問題。
這個例子來自 Erdős 問題 #12。問題涉及符合以下限制的正整數無限集合：不能存在互不相同的成員 a、b 和 c，使得 b 和 c 都大於 a，而且 a 可以整除 b + c。
例如，2、3 和 5 不能同時屬於這類集合：2 可以整除 3 + 5。難點在於避免這些整除關係，同時保留大量整數。
問題陳述轉載自來源文章；Erdős Problems 即時頁面記錄目前狀態。
第一個問題詢問：對每個充分大的 N，這類無限集合在 N 以下是否都能包含至少正的常數倍 sqrt(N) 個成員。所建立的構造證明答案是可以。
來源文章描述了一種逐區塊構造法。透過中國剩餘定理安排同餘條件，可以防止不同區塊之間出現違規關係。例如，某個質數可以整除一個區塊中的成員，而後續區塊中的數則都與 1 模該質數同餘，從而阻止所需的整除關係成立。
論證也必須控制區塊之間的間隔。在目前區塊中選取足夠多的元素，使計數下界在下一個區塊開始之前仍然成立，便能避免集合在這段整數範圍內變得過於稀疏。
這裡呈現的是證明策略概要，而非完整證明。完整的形式化陳述與詳細構造可見公開討論中的連結。
第二個問題詢問：對每個符合限制的集合，是否都存在一個小於 1 的固定指數，使計數函數沿著無限多個 N 值受到此指數次冪的限制。答案是否。
對任何固定的正數 c，這種構造都能產生一個符合條件的集合，使其計數最終至少與 N^(1-c) 一樣大。因此，對所有這類集合而言，不存在單一的此類冪次上界可以普遍適用。
公開的 Erdős Problems 頁面將此構造歸功於 DeepMind，並記錄社群後續提出的簡化與改進。重要的是，問題 #12 的第三個問題，也就是關於倒數和是否收斂的問題，仍未解決。解決前兩個部分，不代表這個編號問題的所有部分都已解決。
證明發表後，Terence Tao 指出，原始構造的部分內容可以移除一項排除三項等差數列的限制。在該步驟中，較大的兩個數都大於較小數的條件，已足以排除相關的相等情況。
Tao 的評論由來源文章轉載；下方提供原始公開討論的連結。
後續留言進一步發展出更稠密的構造。這具體展現了一種協作方式：AI 產生的形式化論證，成為數學家可以檢視、簡化和改進的素材。這場討論發生於 2026 年 4 月，早於 10 月發表的《Science》論文；不應將論文發表日期與最初發現日期視為同一日期。
根據來源文章對完整 Nexus 架構的描述，多個證明代理會產生草稿，再由評分代理比較這些草稿，並透過共用群體保存有潛力的成果。即使某項部分證明仍因一個未完成的引理而無法完成，只要其中的構造有用，也可能獲得進一步處理。
系統也可以針對子目標呼叫 AlphaProof，並重複使用先前已解決目標的證明。語言模型負責組織論證與拆解問題，形式化工具則檢查或完成由此產生的證明義務。
Nexus 架構圖轉載自來源報導。
關鍵差異在於：這套系統不會直接接受未經驗證的自然語言答案。候選證明必須通過形式化驗證循環。失敗的證明嘗試會提供回饋，讓系統再次嘗試，而不是被當作已完成的數學成果呈現。
研究人員也探討了，對於所選 Erdős 問題取得的成果而言，完整架構中有多少部分是必要的。《Science》摘要確認，基本代理交替進行語言模型生成與 Lean 驗證，也能重現這些成果。
來源文章指出，該基準配置為 Gemini 3.1 Pro 加上 Lean，沒有演化式共享或 AlphaProof 呼叫；文章並稱，透過多次獨立嘗試，成功找到了全部 9 個所選問題的證明。文章也表示，在相應比較中，獨立運作的 AlphaProof 一項也未解決。
這是針對成功問題集合進行的回溯性消融實驗。這並不表示原先 353 個問題的成功率為 100%，也不代表簡單代理每次嘗試都一定成功。
輸入一句想法，We0 AI 即可生成展示站、頁面與 CMS。發佈上線後並幫你獲取客戶和流量。
用戶註冊贈送一次完整項目生成
適合先體驗一次完整生成流程，快速看到專案初稿。
來源研究所呈現、並由來源文章轉載的問題拆解範例。
這項研究也探討了 492 個來自整數數列線上百科全書（On-Line Encyclopedia of Integer Sequences，OEIS）的未解猜想，並報告證明了其中 44 項。分母很重要：這是精選的一組猜想，並非宣稱整個 OEIS 都已獲得解決。
來源文章描述了人工檢查流程，確認形式化程式碼準確表達各個問題，並確認該猜想尚未被證明。文章也提到，在證明一般性陳述之前，會先檢查生成的數列初始項是否符合預期值。
這些檢查針對不同風險。Lean 可以驗證一個形式化陳述的證明，但它本身無法確定該陳述是否對應原本想探討的非形式化猜想，也無法判斷該定理在文獻中是否為新成果。
其中一項最佳化應用不只證明現成的猜想，還進一步尋找有效的參數排程，並證明其收斂保證。
錨定式梯度下降上升法（Anchored GDA）研究極小極大最佳化問題，其中一個變數會使目標函數最小化，另一個變數則使其最大化。一般的梯度下降上升法可能會出現振盪；錨定機制會增加朝固定參考點拉回的作用，以協助穩定更新。
被引用的預印本 《An Improved Last-Iterate Convergence Rate for Anchored Gradient Descent Ascent》 報告指出，選用一組參數後，可達到最後一次迭代的梯度範數平方精確 O(1/t) 界限。此處的 t 代表迭代次數。
2026 年 4 月預印本的標題與摘要，轉載自來源文章。
這項保證適用於論文假設條件成立的情況：梯度算子為單調、滿足 Lipschitz 平滑性，且存在鞍點；研究情境則是平滑的凸－凹問題。這並不是對所有非凸機器學習目標都適用的一般性收斂主張，也不應將範數平方與範數本身混為一談。
預印本表示，這項成果由一個能夠撰寫 Lean 證明的 AI 系統自主發現。預印本於 4 月 4 日提交，早於《Science》論文；10 月的報導則將這項成果納入更廣泛的 Nexus 敘述中。
Jeremy Avigad 和 Matthew Ballard 撰寫的配套《Science》觀點文章，將這些成果置於競賽型數學以外的脈絡，並討論開放研究問題。進展並不只是產生更長的解釋，而是將提出的數學想法與明確的證明檢查結合起來。
人類仍參與問題選擇、形式化陳述、函式庫、研究基礎設施，以及對新穎性與重要性的評估。圍繞問題 #12 的公開討論也顯示，經驗證的證明即使在數學上正確，仍可能透過大幅簡化而有所改進。
因此，Nexus 提供了一個有成效的研究工作流程範例，其優勢可透過已完成的證明衡量，其限制則可透過形式化陳述與公開數學審查檢視。
AlphaProof Nexus 是一套 AI 形式化證明搜尋框架，由 Google DeepMind 發表於《Science》的論文介紹。它將語言模型生成證明與 Lean 驗證結合；更完整的設計還能整理證明草稿，並使用專門的證明工具。
論文報告，在 353 個尚未解決的 Erdős 問題中取得 9 項成果，並在 492 個 OEIS 猜想中證明 44 項。這些成果來自研究所選定的問題集合，並不代表這兩個資源中的所有未解數學問題都已解決。
沒有。公開問題頁面記錄了第一個問題的肯定答案，以及第二個問題的否定答案。關於倒數級數是否收斂的問題仍未解決。
Lean 會檢查提交的形式化證明是否能推出其形式化定理陳述。仍需另外審查，確認該陳述是否符合原本要探討的問題，以及這項成果是否確實為新成果。
《Science》摘要指出，基本的生成與驗證代理便能重現這些成果。來源文章描述了使用 Gemini 3.1 Pro 和 Lean 進行多次嘗試，但這不應解讀為單次執行即可保證成功，也不代表解決了全部 353 個問題。
在論文列明的平滑凸－凹假設下，該結果證明了最後一次迭代的梯度範數平方具有 O(1/t) 收斂速率。預印本提出一個特定參數排程及其形式化證明，而不是宣稱所有最佳化演算法都能全面加速。
AlphaProof Nexus 提供證據，顯示 AI 生成且經形式化檢查的證明，可以為開放研究數學作出貢獻。據報導，其成果涵蓋精選的 Erdős 問題與 OEIS 猜想；在其中一項受關注的構造上，數學家也透過公開討論進一步改進了成果。
驗證循環是核心，但仍須謹慎處理形式化的準確性、新穎性及各定理的適用範圍。經過檢查的證明是一項具體的研究成果；若問題陳述、假設條件與尚未解決的問題也同樣清楚，這項成果才最有用。
從一句話開始，幾分鐘內拿到完整網站。
