数学 × AI · 五千万行 Lean 与三本对不上的账,同一周里还躺着一册公开的韦伊猜想

标题写着「80 万行 Rust」,正文里那条更重要:一群智能体干了两周,产出能通过全部内核单测、能在 arm64 上开机引导。为这件事背书的,是一套不夸奖任何人的机器:一个写自然语言证明的 Lean 4 检查器,一套不许改动的测试集,几台硬件计数器。11 月 13 日,谷歌研究员 Vahab Mirrokni 在官方…

目录
  1. 一张数字总表,先量再谈
  2. 五千万行里,人能读的是多少
  3. 证明是谁先做出的
  4. 180 万行,和它没有链接这件事
  5. 有代码的那部分,和没代码的那部分
  6. 三个数字,三本账

三本账,三把尺 · SVG 动画卡

标题写着「80 万行 Rust」,正文里那条更重要:一群智能体干了两周,产出能通过全部内核单测、能在 arm64 上开机引导。为这件事背书的,是一套不夸奖任何人的机器:一个写自然语言证明的 Lean 4 检查器,一套不许改动的测试集,几台硬件计数器。11 月 13 日,谷歌研究员 Vahab Mirrokni 在官方博客盘点了这套系统过去几周的收成,标题叫《Advancing science and engineering with Antigravity's /teamwork》。同一个星期,另一家公司的仓库里,韦伊猜想的机器验证形式化已经安静地躺了一周,作者自述从零到完成用了不到一天【直引:谷歌博客与 sysnote 独立审计,另有 AxiomMath/Weil 仓库与 Axiom 创始人 Carina Hong 的公开表述】。

三拨人,三种证法,一个共同点:最终裁决权都交给了同一个 Lean 内核。

一张数字总表,先量再谈

这轮战报里能对上号的数字不少,单位却不是同一种。全部摆在一起再看。

数字出自独立审计怎么说
50,373,106 行 LeanCourtade–Kumar 形式化仓库实数对上;可读证明只有 238,690 行,其余是证书数据
1,359 个可读文件同一仓库占全部 45,510 个文件的 3%,不到行数的 0.5%
22,107,215 个声明Lean FRO 外部核验器 con-leche全部接受,另有干净重建与字节级一致产物
约 180 万行 Lean韦伊猜想形式化(谷歌自述)无仓库无论文,尚未能核查
28,800 次子代理调用同上同上
213,159 行AxiomMath/Weil 公开仓库Apache 2.0,静态扫描无 sorry,11-06 公开
91.9 万行以上希尔伯特第十问题形式化(谷歌自述)无公开代码
800,000 行 RustZircon 内核改写(谷歌自述)无公开代码,声明过全部内核单测与 arm64 引导
【直引:sysnote 审计报告与谷歌博客原文,仓库行数为审计方 clone 后计数】

这张表的主语是「量本身」,先把它钉住。数字后面各自的含义,往下分开讲。

五千万行里,人能读的是多少

Courtade–Kumar 猜想讲的是 noisy 信道上信息合并的极限:2013 年提出,2016 年前后一度是信息论与布尔函数分析交界处最被盯着的公开问题之一。审计方把仓库克隆下来逐文件清点,4.5 万个 Lean 文件里,人能从头读到尾的证明代码只有 1,359 个文件,238,690 行。其余 44,141 个文件,4.88 GB,全是区间算术的证书数据:把参数空间切成小块,每一块的数值界由 decide 这类机械过程核对【直引:sysnote 审计,仓库 README 自述文件分类】。

这类结构在形式化数学里有名字,叫「证书爆炸」:机器把不等式的每一步都算给你看,行数自然爆炸。信任链的锚点也不在行数上。人需要读的只有 63 行的陈述文件 Statement.lean,其余交给机器:重建一次,产物字节级一致;Lean 基金会的外部核验器 con-leche 把全部 22,107,215 个声明过了一遍,全部接受【直引】。

换个角度看这条信任链:机器核的量远超人力能核的量,前提是人先把「要证的那句话」钉死。这句话写在 63 行里,改一个字,后面所有证书全部作废。

证明是谁先做出的

11 月 13 日的博客没有提 9 月的那批预印本。审计方补了这份名单【直引:sysnote 审计】:

日期团队备注
9-21谷歌 7 人组arXiv:2609.24931,11 月博客的主角
9-21Vu Khac Ky 与 Tuan Tran另一条路线,同日
9-22Mahdavifar 与 Beirami自述一比特情形由生成式 AI 在人指导下完成
9-22 前后DeepInfra 的 Kramer 与 Saglam另一个证明
10 月OpenAI两个证明
谷歌的 Mirrokni 在 9 月 22 日曾公开致谢 Ky 与 Tran,11 月的盘点帖则只字未提这些先行者。同一批审计还核出,这批形式化验证的实际完成时间是 9 月 23 日到 10 月 15 日之间【直引】。11 月发出来的,是一份已经完成一个多月的作业,配上它最大的那个数字。

180 万行,和它没有链接这件事

韦伊猜想是代数几何的基石之一,讲有限域上多项式方程解的计数,1974 年由德利涅补完最后一步,菲尔兹奖随之而来。谷歌写的是,/teamwork-LEAP 系统「完全自主」产出了端到端机器验证的形式化,约 180 万行 Lean,横跨 28,800 次子代理调用【直引:谷歌博客】。

博客给的链接是两个维基百科词条。没有仓库,没有论文,没有陈述文件。审计方在谷歌的各个 GitHub 组织下没找到 Weil 或 LEAP 的仓库;LEAP 框架本身只有一篇 arXiv 论文(编号 2606.03303),没有指向任何一次具体形式化的工件【直引:sysnote】。

对比项在一周前就公开了。11 月 6 日,Axiom 把 AxiomMath/Weil 仓库挂上 GitHub,许可是 Apache 2.0:四条韦伊猜想全部陈述并证明,跟随 Freitag 与 Kiehl 的教材路线。README 写明无 sorry 无 native_decide 亦无外加公理,审计方自己跑了一遍静态扫描,也没扫到 sorry。创始人 Carina Hong 的说法是整个形式化用了不到一天【直引】。

两份工作真正值得对照的,是行数的边界画法。审计方给 Axiom 仓库数出 213,159 行,约 980 个模块,README 自述由 AI 智能体写成、未经人审;这些模块踩在 Axiom 自己的 Stacks 项目形式化之上,那底下有两层:AI 写的 StacksFrontier 有 18,356,552 行,人审过的 StacksCore 只有 37,378 行,占 0.2%。德利涅那个关键的 weight estimate 引理根本不在 Weil 仓库里,它住在 Stacks 底座里,走的是 Laumon 的傅里叶变换路线。于是 Axiom 的韦伊形式化,按边界画法不同,可以是 21.3 万行,也可以是 1,860 万行【直引:sysnote 审计】。谷歌那份 180 万行,属于哪种边界,仓库出来之前没人能下结论。

「行数」在这门学科里到底量什么,Axiom 的仓库自己回答了:它量的是脚手架的总重量,量不出数学本身有多少。两边用同一把尺,量的却可以是不同的楼。

有代码的那部分,和没代码的那部分

博客里能查到工件的结果集中在另一侧:布尔矩阵乘的新算法(arXiv:2611.06717,配 lockqueue/bmm 形式化仓库)、整数乘的新路线(lockqueue/intmul)、splay 树 deque 猜想的新上界(独立仓库)、高维 Steiner 生成树下界(独立仓库)。这些都有可点的链接【直引:sysnote 清单】。

没链接的一栏更长。Zircon 内核 80 万行 Rust;libgav1 解码器 17 万行 Rust;9×9 围棋引擎八天内涨 2,600 Elo;Borg 调度器把 TPU 抢占降了 24%;TPU 内核平均提速 4.09 倍。全部出自谷歌自述【直引】。

工程侧有一条经验反而是这份报告里最可迁移的:一场长期战役回看自己的历史记录后得出结论,紧耦合的代码用「顺序实现加修订」比「并行拆分」效果好,这条发现被折回了 /boost 工具里。审计方的评语是「一个 harness 调优了另一个 harness」,这比任何一行 Lean 都更接近日常工程的痛点【直引:sysnote】。

三个数字,三本账

同一篇博客,三种量法。审计给它们分别立了账:

第一本,可读证明账。 五千万行里 23.9 万行是人能读的,占 0.48%。信任锚是 63 行陈述加机器全量核验。这一本最扎实:工件公开,链路完整,外部核验器可独立复核。

第二本,公开仓库账。 Axiom 的 21.3 万行是能 clone 下来跑的,边界全部写在 README 里。它先于谷歌博客一周公开,谷歌帖子里没有它的名字。这一本最可复核,因为它压根就在那里。

第三本,自述账。 180 万行韦伊,91.9 万行希尔伯特第十问题,80 万行 Zircon,数字都在,工件都不在。这一本最像新闻,也最需要等。

行文至此,值得把官方自己的限定抄一遍,这句话写在谷歌博客里:Lean 编译通过,只保证推理链自洽;形式化陈述是否与数学家想证的原题一致,仍要人类逐一核对【直引】。翻译一下:机器保证「没算错」,不保证「算的是这道题」。第二步目前只能靠人,这一步的瓶颈,五千万行解决不了。

顺带一笔,这套方法论正被证明可以出圈。同一篇博客把 Zircon 内核剩余的 C++ 全部改写成了安全 Rust,两周,过全部单测,能引导。代码审计没有跟到这一项,理由与韦伊相同。但这个方向的终局不难想见:「重写一个操作系统内核」也会成为智能体的作业,到那时,验收标准不会是行数,而是那一套不管多大声吵闹都无动于衷的测试与证明器。

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(0)

暂无回复,登录后可参与讨论
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens