OpenAI 公布模型在 Kakeya 猜想等科学问题上的结果

OpenAI 于 10 月 26 日在其官网发布文章，介绍与学术社区合作推进科学理解的进展。文章的落点不是某项产品功能，而是模型在几个经典科学问题上产出了什么。

文中公布的结果集中在三个方向：Kakeya 猜想、指数时间假设（Exponential Time Hypothesis）和量子色动力学（quantum chromodynamics）。这三个题目分属不同领域——前者属于调和分析与几何测度论，第二个是计算复杂性理论中的核心假设，第三个则是描述强相互作用的物理理论。

比结果本身更值得留意的是文章给出的核验路径。OpenAI 说明了研究者可以如何检查这些输出、如何在上面继续做工作，把可验证性放在了叙述的前面。

这一安排对应着科研使用大模型时最实际的疑问：模型给出的论证看上去流畅，但哪一步可以被信任？如果输出能被拆解成可检查的中间步骤，它就更接近一份可供同行审阅的草稿，而不是一段无法追责的文字。

从机构角度看，这也是把模型能力放进真实学术协作的一次尝试：与其只在基准测试上比拼分数，不如让领域内研究者直接检查模型在难题上的产出。

需要保持克制的是结论的分量。目前公开的是机构层面的说明，这些结果的价值最终取决于外部研究者能否复现、以及是否能在此基础上得到新的进展。

后续值得关注两点：学术界对这几项结果的独立检验，以及这类合作中贡献如何界定——模型输出、提示设计与人工作者的判断，各自应当获得怎样的位置。