OpenAI 宣称一个内部模型在约一个月训练后解出 100 多道长期未解的数学开放问题，同时资助外部独立顾问组，却把自身研究节奏排除在顾问范围之外。
发生了什么
据 The Decoder 报道，OpenAI 表示一个内部模型在仅约一个月的训练后，解决了 100 多道长期悬而未决的数学开放问题。面对数学界人士的质疑，公司选择资助高等研究院（Institute for Advanced Study）下设的一个独立顾问组。但报道同时指出，OpenAI 将自身的研究节奏排除在该顾问组的建议范围之外——也就是说，这个顾问组可以就相关议题提供意见，却无权过问 OpenAI 推进研究的快慢。
为什么重要
数学开放问题长期被视为检验机器推理能力的硬指标：它们没有现成答案，也难以靠检索或模式匹配蒙混过关。若模型真能在短时间内批量推进这类问题，意味着 AI 在形式化推理与长链条思考上可能迈过了某个门槛。
但“宣称”与“验证”之间隔着一条河。数学界对 AI 解题声明的警惕由来已久：问题是否被真正理解、证明是否可被独立复核、成果是否只是对已有文献的重新组合，都需要同行评议来回答。OpenAI 选择资助独立顾问组，可以看作对这类质疑的一种回应姿态；然而把研究节奏排除在顾问范围之外，又让这种回应打了折扣——顾问组能看什么、不能看什么，本身就是一个值得追问的边界。
影响与看点
对研究者而言，真正的看点不是“解了多少题”这个数字，而是这些解法能否被公开、被复核、被复用。如果成果停留在公司内部，它对数学共同体的价值就有限；如果部分公开，则可能改变形式化数学、定理证明工具乃至自动推理研究的走向。
对开发者与行业来说，这件事再次把“能力声明”与“外部监督”的张力摆上台面。前沿实验室越来越倾向于用独立机构来分担信任成本，但监督的范围、深度与独立性，往往在设立之初就被划定了边界。一个只能提建议、不能触及研究节奏的顾问组，更像是一种声誉管理安排，而非真正的治理机制。
值得关注的是：OpenAI 是否会公开具体问题清单与证明过程，数学界能否独立验证，以及这个顾问组未来会不会获得更大的知情权。在这些问题得到回答之前，对“一个月解出百题”的合理态度是：承认其潜在分量，同时保留验证的耐心。
