OpenAI 科學研究三項主張：ETH、Kakeya 與量子場論，證據到哪裡？（2026）

2026 年 10 月 26 日，OpenAI 在官網發布了〈Working with academic communities to build scientific understanding〉。這次 OpenAI 科學研究公告，把局部平滑化與 Kakeya、指數時間假設（ETH），以及量子場論的存在性三項主張放到學界面前；三者的公開材料與外部檢驗安排，卻有明顯差別。

先把三項主張各自說清楚，再讀公開論文、形式化範圍與研究者聲明，最後判斷它們對 AI 研究能力意味著什麼。值得期待的是可能出現的新知識；現在就能檢查的，則是每一項主張到底交出了哪些證據。

本站先前的OpenAI 數學手稿目錄分析處理 10 月 6 日的大批釋出。本篇聚焦 10 月 26 日新增的具體研究結果，尤其是 ETH 的時間界限，以及物理材料採取不同公開方式的後果。

OpenAI 科學研究公告的主線：三個結果，三種檢驗入口

these manuscripts are best understood as a form of raw research data.

中文：最適合把這些手稿理解為一種原始研究資料。

OpenAI／原文句中節錄

這句話是讀整篇公告的起點。公司宣布的不是一份已完成學界消化的教科書，而是要把模型輸出交給研究者，轉成可理解、可批判、可延伸的知識。依公告，數學材料直接公開；電腦科學材料公開，同時由外部小組組織理解；物理材料則先交給外部小組，由小組決定釋出。

研究方向	OpenAI 提出的主張	公告中的公開方式
調和分析	各維度的局部平滑化，並導出 Kakeya 等結果	自然語言手稿與 Lean 材料公開
計算複雜度	用次指數時間精確計數，藉此反駁 ETH	材料公開，由外部研究者組織檢驗
數學物理	四維量子場論、QCD 與純 Yang–Mills 等存在性結果	小組暫緩公開 AI 工件，先撰寫說明

這張表整理的是公司宣布與釋出安排，不能把三格一起蓋上「學界已確認」的印章。公開程度不同，外界能提出反證的能力也不同。接下來要逐項看，避免最吸睛的一項替其他兩項借來可信度。

局部平滑化與 Kakeya：這次聲稱跨過的是維度限制

局部平滑化研究波在一段時間內如何聚焦：某一瞬間可以非常尖銳，對時間取平均後，能否得到更好的控制？OpenAI 的局部平滑化手稿把主要定理寫在歐氏波方程、空間維度至少為二的範圍，並聲稱得到 Kakeya 最大函數猜想等推論。這是手稿主張，本文未重建其證明。

Kakeya 的直觀問題，是一個集合若含有每個方向的一段單位線段，它的維度能有多小。IAS 對 Wang 與 Zahl 工作的介紹說明了三維突破的背景；OpenAI 這次聲稱的是跨各維度的結果，不能把既有三維進展與這次的全維度主張混成同一件事。

另一個歷史細節值得保留：OpenAI 把 Guth、Wang、Zhang 的二維局部平滑化成果放在 2019 年；正式期刊頁則顯示 2019 年收稿、2020 年上線。討論先行成果時，收稿與正式出版的時鐘要分開。比年份更關鍵的是，新論證如何在高維控制波包重疊，及其推論的條件能否逐項對上。

ETH 到底說什麼？先分清「少試一些」與「改變增長速度」

ETH 的全名是 Exponential Time Hypothesis，這裡與加密貨幣無關。依 Impagliazzo 與 Paturi 的原始論文，核心是：對 3-SAT 這類布林可滿足性問題，最壞情況的時間成本是否仍必須保持指數級。

把 3-SAT 想成一份「是／否」開關規則表，每條規則最多涉及三個變數，問有沒有一組設定同時滿足全部規則。逐一枚舉 n 個開關，有 2ⁿ 組候選。把底數由 2 降到另一個大於 1 的常數，可以是很好的改良，卻仍屬指數增長；ETH 挑戰的是能否跨進 2^o(n) 的次指數範圍。

OpenAI 的ETH 手稿聲稱更進一步：對固定子句寬度 k 的公式，精確算出滿足設定的數量，使用次指數時間與多項式空間。若能可靠地算出數量，只要判斷是否大於零，就能回答可滿足性問題。這是從「計數」連到「判定」的直接關係。

如果這個反駁成立，依賴 ETH 的條件式困難性結論，就需要重讀其前提。不過，一篇「若 ETH，則某問題不能更快」的論文，不會因前提被反駁，就讓它的歸約、技術和條件推導一併變成錯誤。需要重新評估的是能從那些條件得到多強的無條件結論。

最關鍵的細節：Lean 範圍與論文較強的上界並不相同

讀 OpenAI 科學研究這次的 ETH 主張，最有用的一份短文件是Lean 形式化範圍說明。它把輸入編碼長度記為 L，列出的時間界限，與 10 月 25 日修訂手稿的較強界限分開陳列。

材料	記錄的時間上界	閱讀重點
Lean 範圍說明	(L＋1)Oₖ(1) × 2Oₖ(n(log log n)²／√log n)	固定 k、標準編碼輸入，另有多項式空間界
10 月 25 日手稿	(n＋m)Oₖ(1) × 2Oₖ(n log log n／√log n)	m 是子句數；手稿列出較強的界限

Oₖ 表示隱藏常數可以依賴固定的 k；它不是已量到的執行秒數。兩個指數部分除以 n 後都趨近零，因而具有反駁 ETH 所需的次指數形狀，但不能把「公開了 Lean 形式化」改寫成「論文所有較強界限都已用同樣方式核對」。輸入如何編碼、機器如何計時，也都是定理的一部分。

同樣地，次指數上界本身不提供多項式時間演算法，因此不能據此宣布 P＝NP。它也不直接給出日常規模的加速倍數：漸近界限省略的常數、轉換成本與適用規模，仍可能左右實際表現。精確的理論進展值得興奮，卻不需要包裝成所有難題立刻變容易。

研究者願意檢查，與研究者已經認證，是兩個狀態

OpenAI 表示 ETH 的工作由 Russell Impagliazzo、Ramamohan Paturi 與 Ryan Williams 領導外部檢驗。三人自己的致理論電腦科學社群公開信，把參與的含義說得更清楚：

Our involvement should not be taken as certification of the claim.

中文：我們的參與不應被視為對這項主張的認證。

Russell Impagliazzo、Ramamohan Paturi、Ryan Williams／致 TCS 社群公開信

信中邀請大家檢查正確性、找出限制、整理講義與簡化證明，也要求區分已建立的後果和仍待探索的可能性。這份聲明提供了獨立於公司公告的程序證據：專家正在組織檢驗，沒有用自己的名字預先替結果擔保。

Lean 能幫上很大的忙，但它回答的問題必須完整寫出。Lean 官方驗證指南區分「定理有有效證明」與「定理陳述到底是什麼意思」，並說明公理盤點、重新檢查與 Comparator 等不同檢驗層次。檢查器可核對形式推導；人仍要確認那個形式命題忠實對應原問題。

這不表示機器證明沒有用。把原本難以逐步追查的論證變成可交給檢查器的物件，能增加可核對性；同時也把「定義是否對題」變得更重要。本站的費馬大定理形式化分析與形式驗證安全邊界分析，分別從數學與軟體角度說明這條界線。

量子場論主張：存在性不能縮寫成完整千禧難題已解

物理部分，OpenAI 宣稱在四維時空建立含規範場與費米子的某些交互作用量子場論，涵蓋 QCD 及標準模型的一種統一完備理論，並包含純 Yang–Mills 存在性子問題。公司表示沿用 Balaban 的構造性場論路線，由 David Gross 帶領 Michael Douglas、Arthur Jaffe、Igor Klebanov、Nikita Nekrasov 等人理解與撰寫。

這裡的「存在」是數學構造要滿足明確公理與性質，不能讀成發現新粒子或用實驗證實一個大統一理論。Clay 的 Jaffe–Witten 正式問題說明要求的是：對任意緊緻單純規範群，在四維實空間構造非平凡的量子 Yang–Mills 理論，並證明正的質量間隙。存在性與質量間隙是需要分別交代的要求，不能把公告中的子問題直接升格為全部要求已滿足。

按照 10 月 26 日公告，物理小組決定暫緩公開 AI 產出的工件，先自行撰稿。因此，本文對這部分停在「公司提出哪些主張、採取什麼公開方式」，不對未公開論證的正確性下判決。公告明確區分了這個安排與數學、電腦科學材料的公開。

最有力的反對意見：理解的機會，是否也該一起公開？

獨立的數學與 AI 顧問團 AGMAI 在10 月 26 日聲明要求立即公開 Yang–Mills、QCD 與標準模型完備理論的自然語言及 Lean 輸出。它尊重受邀研究者，卻主張大家應獲得相同材料，讓理解在公開環境中發展。這是對發布制度的直接批評，不是已找到證明錯誤的報告。

AGMAI 在前一天的說明也提出：由公司選定先接觸材料的人，會影響參與機會、研究方向與信用分配，並可能讓學者聲望在實際傳播中變成公司的保護傘。即使指定的人很專業、出於善意，資訊分配的問題仍然存在。

OpenAI 的回應方向是四項合作原則：公開合作關係、不要求保密協議；不主張內部模型發現的學術功勞；認可理解、寫作與先行研究的貢獻；成員自願無酬、各自獨立發言。這些安排有助於追問責任，但不能單靠「獨立」二字消除先取得材料的人所擁有的時間優勢。

資源支持也有另一條可核對的線。Simons Foundation 10 月 15 日公告列出基金會、Anthropic 與 OpenAI 合計 1,500 萬美元的資金與資源，由基金會管理及分配支持研究社群。這能確認共同計畫的存在，不能把合計金額全算成單一公司的出資，也不表示受支持研究者已認證本次三項結果。

AlphaLab 的判讀：值得期待的，是能被別人接著做的研究

我同意：具體可反駁的成果，比抽象能力宣稱更有價值

ETH 手稿把問題、輸入、演算法與上界交出來，讓不同人能攻擊同一個明確對象。如果獨立檢查確認這套次指數演算法，它會改變一條重要的理論邊界。這種價值不取決於我們是否喜歡產出它的公司，也不需要先外推成普遍的超人研究能力。

我存疑：用一次成功，替整套研究能力算出成績

一項正確結果可以證明這套流程曾找到它；要判斷穩定能力，還得知道題目怎麼選、嘗試多少次、哪些步驟由人完成，以及失敗如何計入。外界能重查一份證明，與能重跑產出這份證明的模型管線，是不同程度的開放。現在最值得追的，是研究者如何確認關鍵機制與適用範圍。

公開證明與公開理解，需要兩種工作一起投入

形式化讓邏輯細節可以交給機器逐項檢查；可讀的論證讓別人知道哪些想法可以移植。若只留下難以解讀的大量工件，研究者仍要花時間找出核心引理。若只留下漂亮摘要，細節又無從核對。兩者一起交付，才更接近能被接續使用的研究成果。

這也是九圈散射振幅案例值得對照的地方：計算交付、外部驗算與物理理解，各有自己的證據。至於誰決定值得研究的問題，則可接著看AI 數學競賽與研究方向的討論；研究速度提高後，選題自主與理解工作的信用需要一起被保護。

下一步：用四個欄位，追蹤 OpenAI 科學研究的後續

• 命題：主要定理究竟保證什麼，適用的維度、輸入、時間與空間如何定義？
• 工件：自然語言手稿、形式化範圍、固定版本與修訂紀錄是否對得上？
• 外部檢驗：誰實際檢查了哪一部分，公開了什麼發現？別把參與名單當成結論。
• 後續用途：有沒有人把關鍵想法簡化、教給別人，或用來推進另一項研究？

一般讀者可以先選 ETH 這一項追蹤：今天記下公開上界與工作小組的任務，之後只在出現新證據時更新判斷。研究者則可從自己熟悉的定理或定義切入，保存具體疑問與核對結果。最有價值的後續，不是再出現多少轉貼，而是別人能否把論證說清楚、檢查到位，並用它提出下一個好問題。