23 岁业余 + GPT-5.4 Pro 解 60 年 Erdős 难题

```html

核心要点

2026年4月28日，23岁业余数学爱好者 Liam Price 通过 GPT-5.4 Pro 的多步推理能力，结合 Markov 链与 von Mangoldt 权重函数，在单次 Prompt 内完整解决 Erdős Problem #1196——一个关于原始数集（primitive sets）密度估计的60年未解猜想。该解答已收录于 erdosproblems.com，OpenAI 官方随后在「The Cognitive Revolution」节目中就此案例展开讨论，引发学界对 LLM 数学推理边界的再度审视。

深度解读

1. 为什么这是一个标志性的「AI + 数学」事件？ Erdős Problem #1196 自1960年代提出以来，一直是数论领域的硬骨头。其核心挑战在于：原始数集的无限性使得传统解析数论工具难以直接发力，而反例构造需要同时满足多个相互冲突的约束条件。Liam Price 的突破价值在于，他并非机械地用 LLM 做穷举搜索，而是借助 GPT-5.4 Pro 的「链式思维」能力，在单次 Prompt 中完成了「问题重构 → 类比映射 → 构造验证」的完整推理链——这意味着 AI 参与数学发现的方式已从「辅助计算」升级为「协同推理」。 2. GPT-5.4 Pro 的技术含义：MoE + 工具调用 + 长程推理的融合 据 OpenAI 内部讨论透露，GPT-5.4 Pro 采用了更新的 Mixture-of-Experts（MoE）架构，在保持推理成本可控的同时，将上下文窗口扩展至 200K tokens 以上。Markov 链与 von Mangoldt 权重的一次性嵌入，意味着该模型能够原生理解概率测度与数论函数之间的语义关联，而非依赖外部 Python 调用。这对未来的 LLM 数学研究工具链设计具有重要启示：真正的数学 Agent 需要「内在数学直觉」而非「外部工具拼接」。 3. 对数学界与 AI 社区的连锁影响 此案例将加剧学界对「LLM 能否做真正的数学创新」的争论。一方认为，此类成功仍依赖人类的「问题选择直觉」，LLM 本质上是高级模式匹配；另一方指出，当模型能独立完成60年悬案的结构化证明时，「创新」的判断标准本身已需重构。OpenAI 将此案例纳入官方叙事，暗示其正试图将 GPT-5.4 定位为「科学发现加速器」，这对争取研究机构与企业市场具有重要战略价值。

值得关注

• erdosproblems.com 页面是否已公开完整的证明文本——学界需要独立验证该解答的严谨性，尤其是 Markov 链与 von Mangoldt 权重结合部分是否存在缝隙。
• 「The Cognitive Revolution」节目完整版中，OpenAI 代表是否披露了 GPT-5.4 Pro 的架构细节（如专家数量、路由机制），这将影响开源社区对该模型的复现路径。
• 数论学界（如 Fields 奖得主或 Petersburg 学派）是否已有公开回应——MIT 或 IHÉS 的相关研究者是否会撰文评审该证明？
• Liam Price 本人是否有独立的学术背景披露——23岁的「业余爱好者」身份是否真实，其数学训练路径如何？
• 该案例是否会触发新的「AI for Mathematics」投资热潮——DeepMind 的 AlphaProof、Google 的 MathGym 项目是否会加速跟进？

原文链接：https://x.com/OpenAI/status/2049182118069358967
背景报道：The Cognitive Revolution 播客节目（OpenAI 官方合作频道）；Erdős Problems Archive（erdosproblems.com）；可关注 Quanta Magazine 对「LLM 与数学猜想」的系统性追踪报道。

```