【当AI开始“做数学”：一场关于矩阵乘法突破的争议风波】最近Reddit上一篇帖子引发了激烈讨论：有团队声称用GPT-5.2 Pro配合Claude，找到了5x5循环矩阵乘法的rank-7算法，打破了2019年以来rank-8的最佳记录，并用Lean完成了形式化验证。矩阵乘法是现代计算的基石。哪怕1%的效率提升，在每秒执行数百万次运算的场景下都意义重大。理论上1970年代就预测rank-7解应该存在，但几十年来没人找到实用构造。研究者描述了他们的方法：不是让AI单独猜测，而是搭建了一个“脚手架式”研究环境——提供精选文献、结构化目标、验证钩子，甚至“暗示”解已经存在来激发模型深入探索。这种引导策略确实值得关注。然而，争议随之而来。首先是技术层面：新算法的条件数高了一个数量级，意味着舍入误差会以平方速度累积。用效率换精度，实际应用价值存疑。作者承认这点，建议用高精度的根号5来缓解。更致命的是学术规范问题。有人指出论文第一条引用是AI幻觉——论文标题、年份、会议全对不上。作者被抓包后悄悄更新了PDF，却没有任何修订说明。这在学术界是大忌。支持者辩护说：核心证明在Lean里，论文只是辅助理解的文档，引用瑕疵不影响结论。批评者反驳：连引用都不核实，凭什么相信其他内容？这场争论折射出一个更深层的问题：当AI深度参与研究时，我们该如何界定“成果”与“可信度”？形式化验证确实提供了数学上的确定性。但科学研究不只是证明正确，还包括可追溯、可复现、可信任的完整链条。用AI生成论文却不仔细核查，即便结论正确，也在侵蚀学术信任的根基。有评论说得好：AI不只是关于更大的模型，也关于从核心数学中削减常数。这类改进会悄然复利到所有地方。但前提是，我们得先学会如何负责任地使用它。reddit.com/r/OpenAI/comments/1qegmf4/52_pro_develops_faster_5x5_circular_matrix