智東西模型更新

騰訊科研智能體攻破50年未解數學難題,姚順雨喊話正在招人

2026年7月31日 11:25

重點摘要

騰訊混元科研智能體Hyra參與破解加法組合學領域一道50餘年未解的數學難題,透過提出可無限擴展的參數化構造方案,證明和集擴張指標C(A)可無限接近理論上界2,但無法真正達到。研究團隊已將論文與Lean 4形式化證明公開,首席AI科學家姚順雨也藉此公開招募AI for Science人才。

站內 AI 整理稿

騰訊首席AI科學家姚順雨昨日在社群平台轉發騰訊混元團隊的最新論文,並以一句「Hy AI4S is hiring :)」公開招募AI for Science領域人才,引發學界與科技圈熱議。這篇論文的主角,是騰訊混元於7月29日發布在arXiv上的研究成果——由科研智能體Hyra參與破解了一道加法組合學領域持續50餘年的公開難題。從Hyra的推出到實際破解數學問題,時間相隔不到兩週,也讓外界見識到大模型在科學探索上的潛力。 姚順雨的貼文底下,有網友直言Hyra相關論文的內容「太瘋狂了」,因為團隊用顯式構造的方式,解決了一個數十年來無人能解的和集問題;還有人感嘆,這完全不像是一條招聘貼文該出現的內容。更有網友提出大膽想像:「下一位菲爾茲獎得主會是AI嗎?」與此同時,騰訊招聘平台今天下午也發布了由姚順雨帶隊的AI Infra團隊招聘消息,顯示騰訊在AI基礎設施與科學研究兩條線上都在積極布局。 Hyra是騰訊混元7月21日推出的科研智能體,底層基於本月開源的Hy3模型。該模型總參數量達到2950億,激活參數量為210億,具備強大的推演與探索能力。在此次破解數學難題的過程中,Hyra承擔的是自動化探索工作,協助研究者挖掘潛在的數學構造思路,而非僅是充當計算工具。 這道困擾數學界半世紀的問題,屬於加法組合學領域,核心探討的是整數集合經過加法與減法運算後,規模擴張彼此之間存在什麼樣的關係。舉例來說,給定一個有限整數集合A,將集合中任意兩個元素相加並去除重複結果,可得到「和集」A+A;同理,將任意兩個元素相減,則可得到「差集」A-A。數學家長期追問的是:一個集合經加法擴張後,和集規模能增長多少?這種增長能力與差集擴張之間,是否存在某種固定規律? 為了量化這種擴張關係,數學家定義了兩個指標:σ(A)表示和集相對於原集合的擴張倍數,δ(A)表示差集擴張倍數,並進一步以C(A)=logσ(A)/logδ(A)來衡量和集擴張能力相對於差集擴張能力的比例。既有數學理論已經證明C(A)必然小於或等於2,但過去50多年來,數學家始終無法確認一件事:這個2究竟是理論上的寬鬆上界,還是能夠透過構造特殊集合無限逼近的最優結果? 圍繞這個問題,數學界數十年來持續推進。1969年的相關結果約為1.0290,1973年提升到1.0598,2013年進一步達到1.1259。近一年來,AI輔助搜索開始介入這個問題的探索,將數值推進到1.1449。論文還記錄了一項內部實驗:Codex(GPT-5.5)在人類引導下,將數值進一步推升至1.2851。不過,這些進展都存在一個根本限制——找到一個更優的集合案例,並不等於找到能證明理論極限的方法。過往成果多半停留在不斷刷新具體數據,無法回答C(A)是否真的可以無限接近2。 Hyra的突破之處,在於它沒有止步於尋找更優樣本,而是更進一步發現了一套可以推廣的數學構造方法。研究團隊最初讓Hyra進行有限集合搜索,將已有的最好結果從約1.14提升至1.21。然而隨著集合規模擴大,暴力搜索很快遭遇計算量與記憶體限制,搜尋出來的結果也很難轉化為嚴格的數學證明。於是團隊改變策略,讓Hyra嘗試自主提出數學構造與推理方案,並透過LLM judge機制對探索過程持續回饋。 經過約24小時的探索後,Hyra提出了論文中的核心思路:利用十二進制的數字結構來控制差集規模,再結合循環群上的對稱加法基與中國剩餘定理,讓和集規模實現接近平方級的增長。換句話說,Hyra找到的不是某一個「更大的答案」,而是一套可以不斷擴展的構造規律。基於這個方法,研究團隊成功構造出一族有限整數集合AK,並證明隨著參數K持續增加,C(AK)會無限趨近於2。 這項結果也意味著,數學家長期追尋的答案終於有了定論:2確實是該問題的理論上界,但不存在任何有限整數集合能夠真正達到2。Hyra的貢獻不僅是給出一個更漂亮的數值,而是提出了一套可被嚴格證明的通用構造,讓問題從「尋找更好的案例」躍升為「建立可推廣的數學方法」。 值得注意的是,整個過程並非單純依賴AI輸出答案。Hyra給出候選方向後,研究人員負責校驗思路、推導完整的嚴謹證明,並借助Lean4完成形式化驗證。目前該論文仍為arXiv預印本,尚未通過同儕評審;團隊也公開了Lean形式化證明的相關內容,讓外界可以檢視其正確性。 從Hyra的推出,到用Hy3輔助破解50多年未解的數學問題,再到姚順雨公開招攬人才,騰訊混元正一步步將大模型的能力延伸到科學發現領域。這次工作更值得關注的地方,在於AI的角色已經從「搜尋更好的答案」走向「提出可以被證明的數學構造」。在AI提出思路、人類檢查整理、形式化工具驗證的協作模式下,AI for Science顯然已成為大模型競爭的下一個重要戰場。

Related

相關文章

OpenAI 一口氣降價 80%,GPT-5.6 Luna 性價比反超 DeepSeek V4 Pro

OpenAI 公布 GPT-5.6 系列新定價,輕量級 Luna 模型輸入與輸出費用同步調降80%,每百萬輸入 Token 降至0.2美元,輸出降至1.2美元,性價比全面超越 DeepSeek V4 Pro。同系列 Terra 降價20%,旗艦 Sol 維持原價,外界認為此舉是因應中國大模型低價競爭,藉由分層定價搶攻市場。

11 小時前7000