OpenAI 的内部通用推理模型证明并反驳了关于平面单位距离问题的长期猜想，构造出一族在单位距离对数量上超越方格构造的例子并得到多项式级别的改进；外部数学家已核验证明并发表了伴随论文与说明。该证明将代数数论的新技巧引入该几何问题，标志着 AI 在数学原创性与长链推理上的重要里程碑。
背景
– 单位距离问题：在平面上放置 n 个点，最多能有多少对点距离恰好为 1？该问题由 Erdős 在 1946 年提出，长期认为方格类构造接近最优。
突破要点
– 模型贡献：OpenAI 的一款通用推理模型给出证明，构造出对数目为 n^{1+δ}（存在固定 δ>0）的点集，否定了长期相信的 n^{1+o(1)} 上界猜想。
– 数学核验：外部数学家团队检查并撰写伴随论文；Will Sawin 的后续改进给出可取 δ=0.014 的具体值。
– 方法特色：证明把代数数论的复杂工具引入到一个看似初等的组合几何问题中，展示了模型在创造性构造与长链逻辑推导上的能力。
意义与影响
– AI 在数学研究角色：这是首个由 AI 自主解决并经同行专家认可的著名开放数学问题，表明当前模型可超越辅助工具，提出并完成原创性想法。
– 对几何学的直接影响：改变了对平面单位距离问题最优构造的认识，为后续上下界研究提供新方向和技术。
可获取的资料
– OpenAI 已公开该证明、模型的思路摘录与外部伴随论文（原文与说明页面）。
这既是数学研究方法的变革信号，也提醒我们要尽快建立 AI 参与研究的验证与归因规范。