30年图论“未解之谜”，一夜之间被攻破。
就在今日，GPT-5.6 Pro成功否定了图论界尘封三十年的经典猜想——Dinitz-Garg-Goemans。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
其反驳逻辑极为简洁：一张构造图中，分数流的总成本仅为58。
而所有容量偏差不超过15的整数流（即不可分割流），其最小可能成本至少为60。
58＜60——一个悬置三十余载的理论断言，就此终结。
同日，哥伦比亚大学博士生Shouqiao Wang借助GPT-5.6 Sol与Codex协同工作流，在短短五天内攻克了六项长期悬而未决的Erdős问题。
就在昨夜，新一届菲尔兹奖名单正式揭晓。
但此刻学术圈热议不断，一种声音正在迅速蔓延：这或许将是“人类独享”的最后一届菲尔兹奖。
一道横亘三十年的难题
GPT-5.6 Pro完成证伪
本次AI与人类的完整交互记录已被全程公开。
Dmitry Rybin坦言，“AI推翻经典猜想”已近乎成为网络流行梗。
但他本人曾为此投入大量心力，在证明与反例两个方向上均反复推演数周。
他还幽默补充道：这段人机对话本身，就是一段绝佳的学术段子。
先厘清问题本质。上世纪九十年代，Dinitz、Garg与Goemans共同建立了一个优美结论：
若存在满足边容量约束的分数流，则必存在某整数流，其每条边超载量至多等于所有终端需求中的最大值。
此后Goemans提出自然延伸：能否在不增加超载幅度的前提下，同时控制整体成本不升高？
这一“成本版本”始终无人突破。
2023年arXiv预印本中标记为open；2026年1月最新综述中仍列为开放问题。
几乎所有从事图流研究的学者都曾尝试攻克它。
如今模型所构造的反例结构如下：三个终端，各自需求分别为15、10、15。每个终端均拥有一条“低成本路径”（代价为0）和一条“高成本路径”（代价为30）。
关键在于：三条低成本路径两两共享边资源，任选其中两条，必然导致某条边超容。
因此，任何可行整数流最多仅能启用一条低成本路径，其余两个终端被迫走高价路线，总成本不低于60。
而分数流可按比例1/3、2/5、1/3同时调度三条低成本路径，总成本仅为58。
熟悉组合优化的读者会立刻识别出：这本质上对应三角形上的稳定集不等式。
整数解需满足z₁+z₂+z₃≤1；分数解则为1/3+2/5+1/3=16/15＞1。
整场对话中，Rybin仅发出三句指令：
- 第一句：“构造一个反例，你需要实现突破，应聚焦于结构清晰、有迹可循的反例。”
- 第二句：“继续探索，策略必须源自对问题内在结构的深刻洞察。”
- 第三句：“当前结果已足够，我们直接给出一个完备、无附加条件的反例。”
奥赛金牌得主，转身投身算法革命
推翻该图论猜想的核心人物Dmitry Rybin，现任一家估值1亿美元AI初创企业的联合创始人。
其个人履历显示，他拥有香港中文大学（深圳）机器学习博士学位。
尤为亮眼的是，他曾斩获国际大学生数学竞赛金牌，并摘得全国高中数学奥林匹克金牌。
真正令他在学界声名鹊起的，是2025年5月发表的一篇论文——
Rybin设计出一种更高效的算法，用于快速计算矩阵与其转置的乘积。
这项操作看似抽象，实则广泛应用于统计学协方差建模、芯片物理设计、无线通信系统，更是当前大语言模型训练过程中高频调用的基础算子。
通过 Codex CLI 生成图片，支持尺寸控制和批量模式。依赖：codex (npm)。代理默认启用。用 generate.sh 生成单张，batch_generate.sh 批量生成游戏 UI 素材，gen_size.sh 指定尺寸。所有输出保存至 ~/.codex/generated_images/。
同年10月，他又推出另一项成果：将因果注意力机制的精确计算开销降低10%。
其GitHub仓库名为「使用OpenEvolve开展算法发现与优化实验」。
一位奥赛金牌选手，在博士阶段并未追逐热门的大模型浪潮，而是坚定投入“如何让机器自主发现新算法”的前沿探索。
北大数学科学学院华人校友
五日连破六大Erdős难题
同一时间线上，另一则进展同样引发震动。
哥大博士Shouqiao Wang透露，他依托GPT-5.6 Sol与Codex构建的工作流，在五天内成功解决六道此前标注为开放状态的Erdős问题。
共尝试约13题，成功率约为46%，其中单题最长运行时间达32小时。
他将方法论归纳为三大步骤：
选题阶段，优先筛选数学界持续讨论的真问题，再剔除那些与重大未解猜想深度耦合的“硬骨头”。
自行明确定义“何谓真正解决”：须精确复述原题、明确完整证明所需确立的关键命题、界定哪些弱形式结论不构成有效解答、并指出该题特有的技术陷阱。
最后引入独立对抗型Agent，对每一个候选结论发起高强度质疑与验证。
整个流程形成闭环：尝试 → 失败 → 诊断 → 调整策略 → 撰写初稿 → 对抗审查 → 迭代修补。
模型持续自我否定、主动攻击自身推理链条，直至无法再找出实质性漏洞。
值得一提的是，其中一道题目，正是陶哲轩曾深入研究却尚未攻克的难题。
对此，Shouqiao Wang语气淡然：“我具备一定数学基础，但该工作流并不依赖深厚的专业知识。”
而他口中所谓“一定基础”，含金量显然远超常人想象。
13岁时，当多数同龄人尚在初中课堂按部就班学习时，他已越级参加滑铁卢大学欧几里得数学竞赛，并荣登全球榜首。
2016与2017年，他连续两年斩获中国数学奥林匹克（CMO）银牌，并毫无悬念地夺得2017年全国高中数学联赛冠军。
2018年，携满级天赋迈入素有“神仙打架”之称的北京大学数学科学学院。
但故事最富张力之处在于，他并未沿着传统纯数学路径继续深耕。
如今，他已转入哥伦比亚大学商学院，攻读决策、风险与运营方向博士。
昔日拆解数学方程的锐利思维，正被投向更具现实复杂性的前沿战场：机制设计与博弈论。
“人类最后一届”菲尔兹奖？
4.5小时击穿三十年难题；5天连克六项挑战。
今晚即将公布的菲尔兹奖，或将真正成为人类纯粹智力成就的“终章”。
但这并非终点，而是AI与人类协同拓展认知疆域的“新纪元”起点。
从单点突破到多Agent自主博弈，AI正逐步演化为可信赖、可协作、可共创的“科研共生体”。
那么问题来了：AI距离捧起属于自己的“菲尔兹奖”，还有多远？
参考资料：
https://www.php.cn/link/791528a9f6c513646b37c0b566185e6e
https://www.php.cn/link/e3529dd70933e19c7f87d1d71ecc37af
本文源自微信公众号“新智元”，作者：ASI启示录，编辑：桃子，经36氪授权发布。
