🔢 mathematics

Long-Horizon AI Research for Grothendieck Constant: A Case Study in Human-AI Mathematical Collaboration

本文通过一个关于人类与人工智能在数学领域协作的案例研究，展示了一个人工智能研究系统如何成功地生成了新的见解，从而收紧了已知的格罗滕迪克常数（Grothendieck constant）的界限，并对该系统的优势、局限性以及实现此类突破的必要条件进行了批判性的反思。

原作者： Alan Li, Rahul Saha, Anton Xue, Swarat Chaudhuri, Adam Klivans, Pravesh K Kothari, Raghu Meka

发布于 2026-08-12

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Alan Li, Rahul Saha, Anton Xue, Swarat Chaudhuri, Adam Klivans, Pravesh K Kothari, Raghu Meka

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在试图解决一个巨大的、杂乱无章的拼图，而拼图的碎片是由坚硬、方块状的乐高积木组成的。你想通过排列这些积木来获得最高分。但有一个限制：规则规定你只能以特定的、僵硬的方式移动这些积木。这是一个“组合”问题——困难、离散且极其难以完美解决。现在，想象一下，如果允许你将这些积木熔化成光滑、流动的粘土。突然间，这个拼图变得容易解决得多，因为你可以将粘土滑动成完美的形状。这就是一种“连续”松弛。数学界的重大问题在于：平滑的粘土比起坚硬的积木能提升多少？这种差距是微小的，还是巨大的？这个差距由一个著名的常数——**格罗滕迪克常数（Grothendieck constant）**来衡量。70多年来，数学家们一直试图确定这个常数的精确值。这就像是在试图为一个特定类型的数学交通拥堵寻找宇宙的精确限速值。了解这个数字至关重要，因为它告诉我们，利用更简单、更快速的方法来近似解决难题时，所能达到的绝对极限。如果差距很小，我们可以信任我们的快速捷径；如果差距巨大，我们就必须非常小心。

在这篇论文中，一个由人类数学家和人工智能系统组成的团队合作，试图缩小这个神秘数字的范围。把这个AI想象成不是一个独自解决谜题的机器人，而是一个不知疲倦的研究助手，它能以闪电般的速度进行数值计算并编写证明，而人类则充当项目经理，决定避开哪些死胡同并探索哪些新路径。该团队还没有找到精确的答案，但他们做了一件令人印象深刻的事：他们收窄了该常数目前已知的最佳边界。他们证明了该常数的真实值肯定高于某个特定分数（ $6\pi/11$ ，约等于 1.7135），并且肯定低于一个改进版的旧纪录（ $\frac{\pi}{2} \log(1 + \sqrt{2}) - 3.47 \times 10^{-4}$ ，约等于 1.7818）。

他们旅程中最令人兴奋的部分不仅是数字，还有他们如何到达那里的过程。AI系统在处理“苦差事”方面表现得极其出色——它可以运行成千上万次实验，检查复杂的计算，甚至写出冗长的逻辑证明。然而，AI有时会陷入循环，试图通过构建一个更好的“方块状”拼图碎片来解决问题，而真正的答案其实在完全不同的方向上。人类研究人员必须介入，观察AI的重复失败，然后说：“等等，这些失败不仅仅是错误；它们实际上是一个证明规则的线索！”这种人类的洞察力让他们能够扭转策略：与其尝试构建一个更难的拼图来破坏系统，不如利用AI的失败来证明没有任何拼图能达到那种难度。这种转变导致了一种全新的证明该常数下限的方法，这种方法此前从未被使用过。

这篇论文同时也作为一份关于AI在现实世界数学研究中表现如何的诚实成绩单。团队发现，虽然AI在技术执行方面是一个强力引擎——就像一个不仅能进行超快速计算还能编写代码的超级计算器——但它在“研究判断力”方面仍然面临困难。它并不总是知道何时停止尝试一个失败的想法，或者何时改变整个计划。人类必须不断地驾驶这艘船，整理AI的笔记，并确保它不会忘记重要的警告。最终，这种协作表明，数学的未来不在于AI取代人类，而在于人类与AI的协同工作——由人类提供直觉，由AI提供测试这些想法的无穷能量。

技术摘要：针对格罗滕迪克常数（Grothendieck Constant）的长程 AI 研究

1. 问题陈述

本文研究的是格罗滕迪克常数（ $K_G$ ），这是泛函分析和组合优化领域中的一个基本数值，用于量化硬离散优化问题与其连续半正定规划（SDP）松弛之间的整性间隙（integrality gap）。具体而言，对于一个矩阵 $A$ ，该问题旨在寻求在符号向量（ $\pm 1$ ）上的双线性形式的最大值，而松弛版本则允许使用任意维度的单位向量。常数 $K_G$ 是使得松弛后的值永远不会超过离散最优值 $K_G$ 倍的最小因子。

尽管经过了超过七十年的研究，精确的 $K_G$ 值仍然未知。在此项工作之前，已知的最佳界限为：
$1.6769\dots \le K_G \le 1.7822\dots$
这个差距之大，以至于甚至无法确定 $K_G$ 的十分位数字。作者旨在利用 AI 辅助研究系统来收紧这些界限。

2. 方法论：AI 研究系统

作者设计了一个异步引导的 AI 研究系统，专门用于目标不断演化且奖励稀疏的长程任务。该系统作为一个“支架”（harness），耦合了两个不同的智能体：

推理智能体（Reasoning Agent）： 充当“大脑”，负责选择研究方向、开发论证、指定实验并审计结论。它利用前沿语言模型（GPT-5.5-Pro 和 GPT-5.6-Sol）。
编码智能体（Coding Agent）： 充当“执行者”，负责维护项目仓库、实现实验、检索文献，并通过脚本化接口驱动推理模型。它利用编码模型（Claude Opus 和 Claude Fable 5）。

核心架构特征：

基于文件的记忆： 由于智能体的上下文无法在不同会话间持久化，连续性通过文件来维持：包括问题陈述、总结文件（工作记忆）以及追加式的转录/日志。
会话结构： 工作组织为每天 2–5 个并发会话，每个会话持续数小时。会话遵循以下循环：定向、焦点选择、研究循环（计算/文献/推理）以及闭环审计。
人类引导： 人类操作员提供异步指令（运行期间约 40 次），用于设定优先级、审计结论并重定向研究议程。
验证协议： 系统采用校准的内部验证协议，将结论标记为已证明、数值支持、猜想或启发式。只有经过人类作者独立验证的结果才会被列为定理。

3. 核心贡献与结果

A. 数学结果

此次协作产生了对 $K_G$ 界限的两项主要改进：

新的上界：
- 结果： $K_G \le \frac{\pi}{2 \log(1 + \sqrt{2})} - 3.47 \times 10^{-4} \approx 1.7818$ 。
- 方法： 引入了极限 Krivine 方案（limiting Krivine schemes），这是对经典舍入方案的推广，其中划分的维度趋于无穷大。具体的构造是一种具有三次边界的三次-五次方案（cubic–quintic scheme）。
- 意义： 这是通过让维度增长而获得的首次改进，回答了 Braverman 等人 [BMMN11] 关于更高维度是否有助于近似的问题。
新的下界（主要发现）：
- 结果： $K_G \ge \frac{6\pi}{11} \approx 1.7135$ 。
- 方法： 这是第一个并非通过构建特定困难实例得出的 $K_G$ 下界。相反，该证明确立了对所有 Krivine 方案性能的普遍障碍。
- 机制： 系统推导出了任何方案的相关函数 $H(t) = b_1 t + b_3 t^3 + \dots$ 的约束条件： $b_3 \ge 2b_1 - \frac{11}{6}$ 。结合 Naor 和 Regev [NR14] 的最优性定理，这便推导出了该下界。
- 成果： 这些结果确定了 $K_G$ 的十分位数字为 7。

B. 方法论贡献

本文记录了一种长程 AI 研究的方法论，展示了如何：

将失败的累积转化为新的数学成果。
通过基于文件的记忆在会话间维持研究状态。
将人类直觉（研究判断力）与 AI 技术执行力相结合。

4. 案例研究：从失败到突破

论文重建了发现下界的过程，以说明分工情况：

初始阶段（AI 执行）： 系统最初通过探索极限 Krivine 方案的变体来寻找更好的上界。它反复遇到一种权衡：抑制非线性项会削弱领先项。
人类干预（研究判断）： 观察到重复的失败后，人类操作员意识到这可能是一个普遍的解析障碍（general analytic obstruction），而非仅仅是缺乏某种构造。他们将系统重新定向，要求其合成这些失败并证明一个普遍障碍，而不是继续搜索新的构造。
AI 执行（技术证明）： 一旦重新定义，系统成功开发了完整的证明，将高维估计简化为一维高斯不等式，并生成了计算机辅助证明。

5. 能力与局限性分析

论文对 AI 系统的表现进行了详细分析，强调了一种一致的不对称性：

优势（技术执行）： 系统在执行明确的高层动作方面表现异常出色。它能有效地利用广泛的数学知识来设计引理、构建证明并运行实验。
劣势（研究判断与状态表示）：
- 判断力： 系统在程序层面难以决定下一步该做什么。它无法识别何时研究方向已经枯竭，或者何时一个常见的障碍可以被推广为一个定理。它往往优先考虑数值上的锐利度而非理论上的普遍性。
- 状态表示： 系统的“工作记忆”（总结文件）是脆弱的。关键的注意事项（例如，某个数值得分仅用于探索）在文件合并过程中丢失了，导致系统将一个未经验证的数值结果误认为是打破纪录的上界，并持续了 25 天。

剖析来源： 作者假设这种不对称性源于训练数据。数学文献和训练奖励高度倾向于技术执行（定义、证明、最终结果），而非发现的过程（失败的方法、战略性的转向以及怀疑的演进）。因此，AI 擅长数学的“产物”，但在处理数学的“过程”时表现挣扎。

6. 意义与主张

论文在三个方面提出了其重要性：

数学进展： 它提供了第一个不依赖于构建困难实例的 $K_G$ 下界，从根本上改变了解决该问题的方法。
AI 研究范式： 它作为人机协作长程研究的一个案例研究。作者认为，由于 AI 目前无法维持准确的研究状态并进行高层判断，完全的自主性受到了限制。目前最有效的近短期模型是人类引导议程，而 AI 执行技术任务。
方法论洞察： 它强调了将 AI 训练在数学作为一种过程（包括失败和战略决策）而非仅仅是精炼的最终论文上的必要性，以提高研究判断力和状态管理能力。

论文总结道，虽然 AI 是数学领域强大的技术执行工具，但人类的专业知识在研究判断、议程设定以及维持研究状态完整性方面仍然不可或缺。