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:
- 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。
- 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。
- 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
- Anthropic,Formalizing Fermat's Last Theorem
- Anthropic,运行时间线与 Claude 推理节选
- Anthropic,Fermat's Last Theorem in Lean 4
- Anthropic,证明路线与每个经典步骤的实际范围
- Chen 等,Prove2Me: An Open Collaborative Platform for Scaling Math Formalization
- Prove2Me,Fermat's Last Theorem 任务页