Administrator
Published on 2026-11-05 / 23 Visits
0
0

Claude 用 11 天形式化费马大定理:怎样读懂这份 Lean 证明的证据等级

Anthropic 在 2026 年 9 月公布了一份完整的费马大定理 Lean 形式化。Claude 用 11 天完成工作,最终仓库包含 29,511 个定理节点。这个结果最值得关注的部分并非代码有多长,而是一个更实际的问题:几十个 Agent 产生的结果,经过哪些门禁之后,才能成为可被数学界使用的证明工件?

答案需要拆成四层:Claude 形式化了什么命题,Lean 内核检查了什么,外部专家审阅了什么,以及外部团队是否已经公开完成全量复跑。把四层压成机器验证通过,会同时高估和低估这项成果。

Claude 完成的是形式化,不是新的费马大定理证明路线

仓库顶层定理表达的是完整自然数版本:对任意自然数 n ≥ 3 和正自然数 a、b、c,都有 aⁿ + bⁿ ≠ cⁿ。FinalCheck.lean 还从该定理导出了 Mathlib 自己的 FermatLastTheorem。

数学路线来自 Frey、Serre、Ribet、Wiles 和 Taylor-Wiles 的既有工作,主要沿 Darmon、Diamond、Taylor 的阐释展开。创新发生在大规模形式化与验证系统,而非发现一条新的传统数学证明。

这个区别决定了该怎样评价结果。它没有再次解决一个未解问题,却首次把完整证明路线转换为可以由计算机逐项检查的工件。对于自然语言证明,读者会补齐省略步骤;对于 Lean,所有可接受的推导都必须形成内核能检查的 proof term。

中间定理的范围也要按实际 statement 阅读。PROOF-PATH.md明确说明,若干经典命名定理只证明到费马大定理路线所需的强度。一个文件名叫 modularity lifting,并不意味着仓库给出了该定理所有形式的完整一般化。

Prove2Me 解决的是协作状态,而不仅是并行数量

Anthropic 披露,早期尝试中的 Agent 会失去项目状态,重复工作也难以组合。后来采用的 Prove2Me 把证明改造成一张依赖图。

平台把 theorem statement 与 proof 分开。statement 一旦提交便保持不可变,proof sketch 可以引用尚未解决的子定理,从而把一个巨大目标递归拆成可独立处理的节点。每个节点携带固定的 Lean 环境、自然语言说明和依赖关系。Agent 可以搜索已有 theorem,复用已经闭合的节点,也可以领取尚未完成的 leaf。

这种设计提供了三种关键能力:

  1. 任务状态存放在依赖图中,Agent 无需依赖对话记忆维持全局进度。
  2. 不可变 statement 让不同 Agent 对同一目标收敛,避免下游依赖悄悄漂移。
  3. 局部 proof 只有在指定环境中编译通过才会闭合,探索结果无法直接进入可信依赖树。

这与本站的数学 Agent 双循环验证协议指向同一个瓶颈:生成能力扩大以后,真正稀缺的是可被后续任务安全复用的已验证 claim。

根节点 proved 与发布工件之间还有一道集成门

Anthropic 的运行时间线显示,Prove2Me 根节点在 8 月 17 日晚变为 proved。当时每个 card 已针对其 child statements 通过局部检查,但整个项目尚未作为单一 Lean 工程完成端到端复核。

团队随后在平台外收集并去重 29,511 个节点,重建依赖关系,组成统一仓库,再执行完整构建与额外检查。这个步骤很重要。所有节点各自通过,仍可能在导出、依赖连接、版本固定或顶层命题上出现集成错误。

因此可以把证据状态分成三段:

状态 能支持的结论 仍需检查的风险
节点 proof 可编译 该 proof inhabits 指定 statement statement 含义、依赖闭合与整体导出
根节点在 DAG 中闭合 所需节点能够沿依赖关系传播到目标 单一工程能否重建、顶层命题是否漂移
冻结仓库通过全量检查 发布工件在固定工具链中形成完整证明环境 语义审阅、维护质量与外部独立复跑

局部正确、集成正确和公开可复现是三种不同的完成定义。

四道检查面对四类错误

公开仓库把验证路径写得很具体。每道检查都值得保留自己的名字,因为它们解决的问题不同。

检查 已报告结果 主要捕获的错误 仍在范围之外
Lean 全量 build 与公理检查 60,475 个模块构建完成;顶层 theorem 只依赖 propext、Classical.choice、Quot.sound proof term 不成立、隐藏 sorry、额外公理或禁用构造 顶层命题是否表达预期数学,单一内核实现缺陷
Mathlib comparator 与只导入 Mathlib 的 challenge statement 比对,确认 statement 与所引用常量相同,并重放环境 顶层陈述被换成较弱版本、常量身份漂移、额外公理 中间 theorem 名称与含义是否一致
nanoda 第二内核 Rust 实现的另一套 Lean kernel 接受 1,052,234 个声明 单一 kernel 实现路径的缺陷 两套实现共享的规范、导出和假设风险
人工数学审阅 Anthropic 表示 Kevin Buzzard 审阅了证明并给出评价 数学路线、声明含义、文献范围和整体合理性 更广泛同行评审与外部团队的完整机器复跑

这四层共同提供了很强的机器检查证据。它们也说明,独立这个词需要精确使用。comparator 和 nanoda 的工具来自外部项目,但这份工件的运行结果由发布团队记录。外部工具与外部团队独立复跑属于不同证据。

截至 2026 年 11 月 5 日,仓库的 formalization.yaml仍将 review 状态标为 self-assessed,reviewers 列表为空。与此同时,Anthropic 研究页明确感谢 Kevin Buzzard 审阅。这两条记录可以同时成立:专家做过外部数学审阅,仓库元数据尚未把项目标为由独立团队完整复现。

机器通过之后,还有三个现实边界

第一,内核检查的是 statement 与 proof term 的关系。中间 theorem 的名字是否准确,定义是否抓住数学家的原意,仍要查看字面声明和证明路线。仓库 README 也明确要求在名称与 statement 不一致时以 statement 为准。

第二,可复现条件已经公开,公开复现结果仍是另一层证据。仓库固定了 Lean 4.33.1、Mathlib v4.33.0、comparator 和 nanoda 版本,也给出完整命令。全量重建需要高内存和大量磁盘,普通读者很难顺手完成。可复现描述提供了复核入口,外部团队公开日志才会把证据升级为独立复现。

第三,形式正确与可维护是两条轴。README 将仓库定义为不再维护的 research artifact,代码以机器检查为主要目标。1300 万行规模展示了生成能力,也制造了抽象、命名、归因、复用和长期升级压力。进入 Mathlib 一类长期维护库,还需要完全不同的工程整理。

本站关于数学 AI 独立审核与传播门禁给出了同一原则:结论应跟随最强的独立证据,而不是跟随最醒目的生成规模。

这项成果可复用的工程经验

对数学之外的 Agent 系统,这个项目提供了四条直接经验。

首先,把目标写成不可变、可执行检查的接口。自然语言任务会在多人协作中漂移,固定 statement 才能让局部结果稳定组合。

其次,把项目状态外置到依赖图。Agent 数量提升只会增加探索带宽;依赖、复用和完成条件需要单独的数据结构承载。

再次,为不同失败面设置不同检查器。编译、顶层陈述比对、第二实现重放和人工语义审阅各自保留独立结论,任何一项都无需替其他项背书。

最后,把发布定义为新的状态迁移。节点完成之后,还要冻结版本、重建整体、验证入口和保存复跑说明。只有这样,运行过程中的成功信号才会变成别人可以检查的工件。

这也是这份证明最重要的含义:AI 可以把形式化生产扩大到新的量级,而信任仍由清晰的接口、分层证据和独立复核建立。

FAQ

Claude 证明了费马大定理吗?

Claude 完成了费马大定理既有证明路线的完整 Lean 形式化。Wiles 与 Taylor 在 20 世纪 90 年代完成了传统数学证明。

Lean 究竟检查了什么?

Lean 检查公开仓库中的顶层费马大定理 statement 可以由固定依赖和三条标准公理推出,并且正式证明包没有未完成的 proof placeholder。

这是否已经属于独立验证?

当前证据包含多条机器检查路径和 Kevin Buzzard 的外部专家审阅。公开记录尚未显示另一支团队发布了 build、comparator 与 nanoda 的完整复跑日志,仓库元数据仍标为 self-assessed。

Prove2Me 当前页面为什么不再显示 OPEN?

截至 2026 年 11 月 5 日,当前任务页已经改为已发布费马大定理任务的说明页。历史页面状态已经变化,当前说明页本身仍不是独立复跑记录。

这份代码可以直接并入 Mathlib 吗?

仓库将自己定义为不维护的研究工件。形式正确已经有强证据,长期维护、抽象整理和社区接纳仍需额外工作。

参考资料


Comment