摘要

Grant 3年前关于IMO金牌“只是又一个基准测试”、而不是AGI的判断，如今已经被验证——而且这种模式具有分形结构：在数学内部，几何题已经被暴力破解（“自2024年以来，它只要19秒就能解出来”），组合数学却仍在坚守。对关注AI的投资者而言，这意味着：前沿能力在每个缩放层级上都呈现尖峰状，因此单一基准测试的 headline 对经济自动化而言是弱信号。
真正关键的问题，是AI将如何证明黎曼猜想：一种Montgomery–Dyson式、连接不同领域的“闪电式突破”，属于LLM的原生能力，但对白领工作的外溢意义有限；而“筑山”——像费马大定理需要椭圆曲线和模形式那样创造新理论——则意味着“如此高水平的智能，如果没有渗透到经济的其他领域，反而会令人意外”。
下一个里程碑无法被基准测试捕捉：“好的数学家证明定理，伟大的数学家提出猜想，而最伟大的数学家创造定义。” 你会从数学家谈论模型时的“语气变化”中察觉这一点；而Dwarkesh补上的关键一击是：在当前范式下，无法基准测试的能力，也很难被训练出来。
伽罗瓦理论是可验证奖励的经典反例：从Lagrange最初的模糊直觉到Jordan的现代群论，验证环路历时100年，而“验证器函数”（学术界）一次次拒绝伽罗瓦。 Grant提出的候选修复方案是奖励压缩——“不妨把Kolmogorov复杂度加入你对优雅的量化尝试”。
Dwarkesh认为，推动数学和代码进步的被忽视因素，不只是可验证性，还有“可刷性”——确定性、可容器化、能通过并行rollout批量运行的环境。 计算机使用具备可验证性，却不可刷（有机器人检测，也无法回放）；现实世界的建业和交易则两者都不具备。自动化版图取决于这一约束，而不是模型的原始智力。
Lean作为今天的引擎被高估、作为明天的引擎却被低估：DeepMind在IMO上放弃了Lean，改用自然语言；单位距离猜想的证明也完全没有用到Lean——但一个能够自我扩展的Mathlib分支，可以“按下开始……离开10年再回来”，再加上绿色勾选所代表的正确性保证，是“其他任何领域都会梦寐以求”的能力，而数学独有。
Grant改变了看法：AI也会擅长解释，因此数学家会逐渐转向“博物馆策展人和教师”的角色——教学之所以会成为“后AGI时代最稳定的职业之一”，是因为它依赖关系，而不是信息。
数学能力提升10–100倍的经济回报，可能通过PDE和模拟逐步外溢（某个团队的洞见“好像让Boeing省下了数十亿美元”），而不是带来断崖式变化——尴尬的尾部风险则是，加速会暴露出纯数学“已经彻底没用了”。

精读

1. IMO金牌只是“又一个基准”——尖峰具有分形结构

Grant解释为什么IMO金牌没有带来“啊哈”时刻：AI前沿的尖峰在每个缩放层级上都会重复，呈现“尖峰的分形性质”。IMO的4个类别中，几何题“自2024年以来只要19秒就能解出来，因为它本质上是暴力求解器”；如果2024年的赛题少出几道组合数学题，模型当年就可能拿到金牌。真正的“野牌”是那些“更有玩乐感、更像谜题的题目”，模型在这里仍然吃力，也是认为创造力属于人类的阵营所指认的“数学留给人类的最后一块阵地”。
Dwarkesh坦率承认：“我完全是在移动球门”：他曾追问Dario，为什么拥有超人类广度的模型，不能把已知想法连接起来形成新发现。如今OpenAI对单位距离猜想的反例恰好做到了这一点，于是问题重新归零：下一件真正令人印象深刻的事会是什么？

2. 黎曼猜想如何被攻克，决定白领工作是否会被攻克

形态一——连接既有领域的闪电式突破：Hugh Montgomery写下黎曼ζ函数零点的两点相关性；Freeman Dyson从随机厄米矩阵的特征值——也就是核能级——中认出这一表达式。LLM“既是量子物理专家，也是解析数论专家”，理论上应该能看出两者相似之处，不需要在IAS共进午餐。Grant提醒，这“与白领工作完全是两回事”——你的AI编辑并不是因为缺少这种闪电式连接才会失败。
形态二——筑山：费马大定理可以用极其简单的形式写出（xⁿ + yⁿ = zⁿ），但证明需要两座山——数百年积累的椭圆曲线和模形式——“在你提出连接两者的正确问题之前”，这些理论必须先被建立起来。能够正确创造新理论的AI，“意味着如此高水平的智能，如果没有渗透到经济的其他领域，反而会令人意外”。
形态三——纯粹苦干：一份1000页、 “没人真正从中得到什么”的证明；而在那之后，你还需要“把这些想法压缩成简洁版本，使其能够被人理解”。

3. 下一个里程碑无法塞进基准测试

Grant引用Polylog单位距离视频中的一句话，双方最终都认同这一框架：“好的数学家证明定理，伟大的数学家提出猜想，而最伟大的数学家创造定义。” 猜想和定义生成属于“顶级数学家”的能力，但Grant表示，“如果它最终表现得像一个基准测试，我会感到意外”。想象一下GPT-5.4提出了一个好猜想后的新闻标题：“我们保证，所有人都认为这是一个好猜想。”这种消息就是缺少同样的冲击力。
你真正知道变化发生的方式是：“你会感觉到和数学家对话时的语气变了。”Grant即将推出的AI与数学系列，已经记录了2025年年中到2026年之间的这种变化——“在现实世界里，这是一段很短的时间；在AI世界里，这已经是漫长的年代”。
Dwarkesh指出了其中的结构性联系：“基准测试和训练环境之间其实没有根本区别”——当前范式下，无法基准测试的能力，也很难被训练出来。不过两人都保留了判断：这类二分法历来会坍塌，“最后你会发现，自己只是想错了问题，而它其实很快就能做到”。

4. 伽罗瓦：RLVR无法闭合的100年验证环路

Grant讲述的链条是：Lagrange埋下种子，认为研究五次方程根的对称性才是正确视角——没有结果，“他只是提出了这个问题”，而且当时这甚至算不上重要数学。Abel证明了不可能性，26岁时死于肺结核。伽罗瓦还是个少年时就从监狱写出自己的成果，却遭到学术界拒绝——“验证器函数……正在拒绝他写下的东西”，而且“坦率说，那些文字并不十分连贯”——随后又在一场带有浪漫色彩的决斗故事中死去。“如果你是年轻天才，别研究五次方程。”
即使在他死后，验证环路仍未闭合：20年后Liouville才从笔记中看出一些东西，又过了20年，Jordan才给出群论的现代处理；到了20世纪，Gell-Mann才从一个纯粹的群论问题出发预测夸克。“你完全可以想象历史走向另一条路……如果伽罗瓦不是一个如此富有戏剧性的人物，他可能早就被遗忘了。”
这迫使人们重新面对奖励设计问题：什么指标能捕捉“伽罗瓦脑海中的那种直觉——当他说‘我觉得这里有东西’时”的状态？Grant在当前“压缩就是智能”系列中给出的候选答案是：“也许可以把Kolmogorov复杂度加入你对优雅的量化尝试”——奖励所需概念的简洁程度，而不只是解题结果。

5. 证明不是解释——Grant也不再认为解释能力安全

Grant最喜欢的一篇论文开头来自Timothy Chow关于forcing的文章。Forcing是处理连续统假设那种取决于公理、既能为真也能为假的问题的方法。开头写道：“所有人都知道什么是未解决的研究问题。我想提出‘未解决的解释问题’这一概念。”Grant说：“这就是我的全部人生……证明和解释之间存在差别。”
他的噩梦呈现出abc猜想的形状：一位原本颇受尊敬的日本数学家构建出“宇宙际几何”，一座即使花几年时间也只能勉强读懂的外星山脉——“人们花几年爬上这座山，然后说：‘糟了，这不对。’”David Bessis在《定理经济的陨落》中指出了更深层的断裂：定理证明“拿走了全部功劳，但它其实寄生在创造定义的工作上”；当同一个人同时完成两者时问题不大，但如果AI自动化了定理证明这一半，体系就会失灵。
Grant明确表示自己改变了看法：“我过去认为，AI会变成自动化定理证明器”，数学家则会转向他的工作——解释数学。但真正产生原创洞见的人——Einstein、Claude Shannon、Feynman——同样都是清晰的解释者，因此这种能力很可能也会随之转移：“消化和解释……可能恰恰不是数学家最后剩下的工作。这是我的信念发生变化的一处。”
剩下的将是博物馆策展人的角色，核心在于关系：“人们信任你作为策展人”；这和人类音乐家能够在客观上更好的MP3面前继续存在，是同一个原因。Dwarkesh用一句准备做这件事直到死的黑色总结收尾：“给一个人点火，他暖和一晚；把一个人点着，他余生都暖和。所以，这就是我和AI的关系。”

6. Langlands、自回归盒子与被工程化的熵

大多数数学家并不是在逐项勾选问题；Langlands纲领“甚至不太像一个数学领域，更像一种研究 ethos”——提前绘制整个知识版图中的连接。Grant给出的5年判断是：“我猜，未来5年模型带来的大部分有用进展都会长这样……把这些连接构成的版图补完整。”Erdős问题1196就是这种形态：马尔可夫链、自底向上的概率论证、von Mangoldt函数——“如果你把这些告诉懂行的人，他就知道该如何接着做”。
为什么广度还没有带来突破？Dwarkesh提出了一个盒子思想实验：你被锁在盒子里，预测纸条上的内容，每次预测后记忆都会被清空，然后才能看到结果。“这太糟了。那不是我会写出的文章。”自回归让你“成为上下文的奴隶”，而真正有价值的跨领域连接，本质上就是一个不太可能成为下一个token的东西。
Grant的回应指向数据，而不是架构：扩散式文本模型并没有产生“性质完全不同的东西”；智能体之所以学会“先退一步评估我的错误”，是因为环境对这种行为给了奖励。只要构建需要跨领域连接的环境——例如类似前沿数学、部分合成的问题——“那么损失函数到底是什么，最终就不太重要了”。
数字系统反直觉的优势，可能恰恰不是汇聚知识，而是系统性地抹除上下文。那道“恶搞”IMO题连Terry Tao也没做出来，却因为摆脱了“身处IMO现场的上下文”，换成街头脑筋急转弯的表述而被破解。因此，可以给智能体配上刻意不同的上下文和偏见，但必须记住偏见并不中性：“你要确保不会意外地让所有LLM都成为Einstein，因为那可能会让量子力学停滞。”而按Dwarkesh的说法，在各家实验室为了公关向数学投入数十亿美元的情况下，“数量本身就有其质量”。

7. 隐藏驱动力不是可验证性，而是可刷性

在实验室之外，Dwarkesh把自己的观点称为“完全幼稚的理论”：所有人都在强调可验证性，而计算机使用高度可验证——“我的Etsy包裹到了吗？”——却依然进展缓慢。Grant的回答是，它缺少可刷性：机器人检测和算力成本，让你无法对同一套Amazon结账流程进行1000次并行rollout。“Andy Jassy会亲自关掉你。就是他本人，按下Dwarkesh按钮旁边的红色X。”
其中的机制是样本效率仍未解决——正如Karpathy所说，“用吸管吸取监督信号”；因此学习需要容器化、确定性的回放环境，在那里，成功和失败rollout之间的差异能够解决信用分配问题。代码和数学是例外；建立企业，或“在市场上交易一天”，每天都会变化，你无法持续回放、刷题、反复运行模拟器。

8. Lean作为今天的引擎被高估，作为明天的引擎被低估

Dwarkesh说：“我觉得Lean对当前阶段的进展并没有那么重要。”证据包括：单位距离猜想的思维链完全没有用到Lean；DeepMind在IMO上第1年全面使用Lean，第2年全面改用自然语言；DeepSeek的DeepSeek Math论文则显示，只要让元验证器训练验证器，自然语言验证也能奏效。
Grant的第一个反驳是自主性：Mathlib的一个分支，加上一个永不停机的证明器，是“数学拥有、而其他领域都没有的一种非常独特的东西：你可以按下开始，把算力全部倾注进去，离开10年，再回来问：‘你有什么成果？’”这像AlphaGo一样，不需要人类持续介入。Terry Tao穷举所有可能代数空间的项目就是模板：大多数结果都是“垃圾”，但偶尔会出现“一个完全不同类型的公理系统所形成的小岛”，其中蕴含丰富定理；之后你还可以像群公理最终被理解为对称性那样，反过来为它寻找动机。
第二个反驳是规模化信任：Alex Kontorovich的观点是，如果AI数学家每天生成10篇论文，即使错误率很低——“100篇里99篇正确”——定位那1篇错误也会极其艰难。自动形式化提供了绿色勾选：“其他任何领域都会梦寐以求。”Grant的结论是，Lean“作为VR环境的重要性可能被高估了……但我绝不会把它从这个故事里删掉”。

9. 写作为什么落后：它不能是垃圾，而模型没有面部肌肉

Dwarkesh的理论分两部分：评委会被“B*”彻底带偏——一篇糟糕的文章却把A等作文该有的所有铃铛都按响了，本质上是纯粹的奖励劫持；而且写作无法模块化。代码是“能运行就能运行”，但写作中“最终产品本身就是AI正在产出的东西……它不能像代码那样成为垃圾，却仍然产生你想要的结果”。
Grant的转折是，蒸馏已经接近超人类水平：Dwarkesh承认，自己实际上偏好把专家文章粘贴进LLM，因为“解释会比人类写出的东西更好”；但真正的写作，是知道“你想做出一次不可预测的转向时，准确的落点在哪里”。那本值得被蒸馏的书，从来不是LLM生成的。
心智理论仍有缺口：Andy Matuschak和一位合作者在开放模型上尝试RL、思维链和大提示词，也向最好的闭源模型发起挑战，却仍然无法让LLM写出好的间隔重复闪卡，因为这要求“想象某个人3个月后的心理状态”。Grant隐约记得一项Botox实验：据称刚做完Botox的人在读取情绪方面表现更差。理解依赖具身模仿。“它们没有面部肌肉……这就像一个外星人试图产生共情。它怎么可能拥有心智理论？”

10. 学习、职业与回报问题

Grant的学习启发式是：“谁比什么更重要。”LLM的解释“很像Wikipedia——也就是说，惊人地好”，但Wikipedia是一个众包的“局部最优点”，每句话都必须正确；Princeton Companion的文章则是由一个作者有意编排出来的。因此，他把LLM当成“强化版Google”——去问“我应该读谁？”——即使Claude曾经对他进行煤气灯式误导，把别人的半导体视频错误归给3Blue1Brown。
Dwarkesh的设置是：Strogatz的《非线性动力学与混沌》讲座、教材和LLM分别占据屏幕的1/3；人类负责安排顺序和动机，LLM则沿着分支剪枝。但模型无法提供A+教师的能力——“用柔术改变你的思维方式”，把一个糟糕的问题重新表述。LLM“有点太过顺从了：‘哇，这是一个多么有洞察力的问题。’”
职业建议带着很重的限定语（“我不会相信我给出的任何建议……我是个YouTuber”）：学生总在追逐下一个关卡，而不是问“钱从哪里来、你真正增加了什么价值，以及这两者之间的联系”。教学之所以会成为“后AGI时代最稳定的职业之一”，是因为它是关系型工作——富裕父母会把钱花在这里。而策划应该把“这头庞大的新数学野兽”指向哪里，将成为“比过去杠杆率高得多的行动”。
至于数学能力提升10–100倍是否具有经济意义：它极度尖峰化。代数数论解锁某种成果，“感觉不太可能”；但有人回忆，PDE和动力学团队的模拟洞见“好像让Boeing省下了数十亿美元”——因此更可能看到边缘地带的“有意义外溢”，而不是Navier–Stokes被解决后带来的巨大经济跃迁。尴尬的尾部风险是，加速可能证明数学“已经彻底没用了”——“每次我们写资助申请，说‘相信我们，椭圆曲线的进展会帮助密码学’，它都照亮了另一个可能性：也许它并不会。”

罗马帝国与拜占庭帝国的兴衰｜Lex Fridman Podcast #498 两名哈佛辍学生融资8亿美元，向 NVIDIA 发起挑战