New lower bounds for the degree/diameter problem via interaction with a browser-accessible LLM

大局观：一个数学谜题与一位数字伙伴

想象一个被称为**度/直径问题（Degree/Diameter Problem）**的巨大拼图。目标是建造一座尽可能大的“城市”（由点和线组成的网络），且必须严格遵守两条规则：

1. 度规则（The Degree Rule）： 每栋建筑（点）最多可以连接一定数量的道路（线）。
2. 直径规则（The Diameter Rule）： 无论你选择哪两栋建筑，你都必须能够在极短的步数内（不超过 5 步）从一处到达另一处）。

几十年来，数学家们一直试图建造遵循这些规则的最大规模城市。城市越大，得分越高。

突破性进展：
本论文报告称，一位研究人员在仅使用标准网页浏览器和 AI 聊天机器人（ChatGPT）的情况下，构建了两座比以往已知城市规模显著更大的“新城市”。

• 城市 A： 一个拥有 34,992 栋建筑的网络。
• 城市 B： 一个拥有 147,456 栋建筑的网络。

这两座城市都遵循“在 5 步或 5 步以内即可到达任何地方”的规则，且每栋建筑拥有的道路数分别不超过 12 条或 16 条。这些数字打破了之前的世界纪录。

他们是如何做到的：“控制器”与“纤维”

构建这些宏伟城市的秘诀不仅仅是靠猜测。研究人员与 AI 发现了一种巧妙的方法，将问题分解为两个更小、更易处理的部分。这就像是在经营一个庞大的连锁酒店：

1. 控制器（蓝图）： 想象一张由几个关键枢纽组成的小型、简单的地图。这就是“控制器”。它的任务是确定大方向。在这种情况下，AI 找到了一个包含 144 个枢纽的小型地图，它能确保在不立即折返（“非回溯”行走）的情况下，在恰好 5 步内实现任意两个枢纽之间的通行。
2. 纤维（房间）： 现在，想象在那张小型地图上的每一个枢纽处，你拥有的不仅仅是一栋建筑。相反，你拥有一个复杂且庞大的房间塔楼。这就是“纤维”。AI 构思了一套数学上的“电梯系统”（利用代数和有限域），它能精确地告诉你如何根据所走的道路在这些塔楼的房间之间移动。

神奇的技巧：
这次发现的天才之处在于意识到，如果你把小型地图（控制器）做对了，并且把电梯系统（纤维）做对了，你就可以将它们结合起来创造出一座巨大的城市。小型地图负责“大局”导航，而电梯系统则负责处理数百万个特定点的“微观细节”移动。

人机协作：一场引导之舞

这篇论文之所以独特，是因为它并不声称 AI 独自完成了数学工作，也不声称人类独自完成了工作。它描述了他们如何以一种特定的方式协同工作：

• 并非超级系统： 研究人员并没有构建复杂的机器人或专门的软件引擎。他只是使用了标准的 ChatGPT 网站，就像其他人一样。
• 人类作为船长： 研究人员扮演着船长的角色。他并没有告诉 AI 如何 构建电梯，也没有告诉它地图应该是什么样子。相反，他给出了高层级的指令，例如：
  • “不要只是复制旧的想法。”
  • “如果我们陷入死胡同，就停下来并重新思考整个策略。”
  • “在我尝试构建这个新想法之前，给我一个理由相信它是行得通的。”
• AI 作为探险家： AI 探索了成千上万种数学可能性。它尝试了许多失败的想法。当它陷入困境时，人类船长会说：“停，这条路是死胡同。换个角度试试。”

“顿悟”时刻：
长期以来，AI 一直在试图修复错误设计中的细微错误（就像修补一艘漏水的船）。人类船长制止了这种行为，并要求寻找一种“新原理”。随后，AI 提出了 控制器/纤维 的构想（即“航线图升降机”）。这是抽象概念出现的时刻。一旦找到了这个新原理，剩下的工作就是通过完善细节来打破纪录。

本论文并未声称的内容

坚持论文实际表达的内容非常重要：

• 它并不是关于 AI 可以解决所有数学问题的通用证明。 这只是一个特定的案例研究。
• 它不涉及医学或临床应用。 这纯粹是关于图论（数学）的研究。
• 它不是关于 AI 撰写最终论文。 人类研究人员验证了每一个步骤，编写了证明，并对最终结果负责。AI 是一个用于发现的工具，而非作者。

总结

可以将这篇论文看作是一份成功的远征日志。一位人类探险家使用数字指南针（AI）在数学丛林中航行。探险家并没有让指南针去驾驶汽车；他操纵着它，告诉它何时停止，并要求它寻找新的路线。他们共同找到了一条通往庞大且此前从未被发现的数学结构的路径，证明了即使是标准的基于浏览器的 AI，在拥有清晰策略的人类引导下，也能帮助打破纯数学领域的纪录。