GPT-5.6和Fable联手，解决了一道悬了25年的数学难题

一道悬了25年的数学难题，被两个AI模型联手解开。微软研究院首席研究员Dimitris Papailiopoulos上周证明：一个只有两步的简单算法，能让无线通信中的MIMO检测精确命中最大似然阈值，而且只需O(N³)次多项式时间运算。整个证明过程，他花了整整七天。

MIMO检测是无线通信领域的经典基础问题：发送端把N个比特通过一个N×N的信道发出去，信道会把比特混在一起并叠加噪声，接收端要凭一份被搅乱的信号，把原始比特一位不差地找回来。理论上万无一失的最大似然检测需要穷举全部2的N次方种组合，N稍大计算量就指数爆炸。

这道题的历史充满反复。1989年Sergio Verdú证明最坏情形下该问题NP-hard；2001年Hassibi和Vikalo以为球形译码是多项式时间的答案，2005年却被Jaldén和Ottersten推翻；此后学界尝试半正定松弛、比特翻转局部搜索、AMP、统计物理方法，最接近的结果也只能停在理论门槛的两倍。

上周，这条鸿沟被填平。Dimitris借助GPT-5.6和Fable 5证明：LMMSE取整加贪心逐位翻转这两步，能在信噪比等于2logN时精确恢复全部比特，复杂度仅为O(N³)；论文还给出双向结果，证明信噪比略低于阈值时连最大似然检测本身也会失败。

这场人机协作并非一帆风顺。两个模型分别给出了不同思路——GPT-5.6的路径用AMP，Fable 5的路径则是业内实际在用、却从没被严格证明过的符号LMMSE加贪心逐位翻转。Dimitris最终选了Fable的路径，让GPT接手修补漏洞，之后几天反复让两个模型互相简化对方的论证，唯一底线是保住2logN这个门槛。他甚至拒绝了用Lean做形式化验证，理由很直白：他不懂Lean。

最终拿到手的证明可以逐行手算核对，算法本身也只有两个核心步骤：第一步LMMSE取整，把连续估计按符号取整，保证猜错的比特占比随N增大趋近于零；第二步贪心逐位翻转，每一轮翻转让代价函数下降最多的一位，并证明搜索既不会卡死、也不会跑出护栏，最终只会停在真实发送的比特串上。

对Dimitris个人而言，这是一次跨越17年的了结。2009年，读博一年级的他用MCMC方法尝试解决MIMO检测，未能成功；如今作为微软研究院首席研究员、威斯康星大学麦迪逊分校副教授，同一道题被他借助AI拿下。当业内实际在用、却从未被严格证明的算法终于拿到数学背书，AI辅助数学研究的价值也从解题延伸到了理论证明本身。

接下来值得关注的是：这份证明能否通过同行评审，并推广到其他NP-hard问题的平均情形分析；两个模型在证明过程中的分工——Fable给出路线、GPT修补漏洞——是否会成为人机协作数学研究的常见范式；以及缺位的Lean形式化验证是否会被后续工作补上。