Lean 证明意味着什么——黎曼猜想证明闲谈
很早之前看过 Kevin Buzzard 老爷子的讲座。他来自🇬🇧 帝国理工学院,多年前就是 Lean 社区的核心了。他发起了 Xena Project,带领一群本科生把大学及以下数学知识中的定义、定理和证明逐步翻译成计算机能够理解和验证的形式。这个项目也成为 Lean 数学库 Mathlib 发展过程中的一部分。
Kevin Buzzard 生平详细展开
#### Kevin Buzzard:试图让计算机读懂整个数学世界的数学家 Kevin Buzzard 是英国帝国理工学院(Imperial College London)的纯数学教授。他的经历颇为特别:他原本是一位相当传统的数论学家,后来却成了推动数学形式化(Formalization)和计算机辅助证明的重要人物。 他本身就是数学领域的顶尖选手。1987 年,他参加国际数学奥林匹克竞赛,获得满分金牌;后来进入剑桥大学数学系,在剑桥数学 Tripos 考试中取得 Senior Wrangler,也就是全体数学本科生中的最高排名。他在剑桥师从著名数学家 Richard Taylor 攻读博士,之后在普林斯顿高等研究院、加州大学伯克利分校等机构从事研究,最终于 2004 年成为帝国理工学院教授。 在接触 Lean 之前,Buzzard 的主要研究领域是代数数论,特别是模形式、p-adic 模形式以及 Langlands 纲领相关的问题。他在这一传统数学领域已经有相当不错的成绩:2002 年获得英国数学会的 Whitehead Prize,2008 年获得 Senior Berwick Prize。这两项都是英国数学界相当有分量的研究奖项。 **转折发生在 2017 年。** 当时 Buzzard 正在帝国理工教授数学证明入门课程。他开始思考一个问题:数学课本里的定义、定理和证明,能不能直接交给计算机,让计算机检查每一步是否正确? 其实他之前并没有什么编程高手的背景。他在自己的演讲中开玩笑地回忆,自己曾经两次尝试学习 Haskell,都没有成功。2017 年 6 月,他偶然看到了 MathOverflow 上关于 Coq 形式化证明的讨论,花了两周时间尝试 Coq。紧接着,他参加了 Isaac Newton Institute 的 Big Proof 研讨活动,听到了数学家 Tom Hales 关于计算机形式化证明的演讲。 这次演讲彻底改变了他的研究方向。 Tom Hales 曾经组织团队,用计算机形式化验证了著名的开普勒猜想证明。Buzzard 从中意识到,如果计算机能够严格检查数学证明,那么原则上,人类已经积累的数学知识都可以逐渐变成计算机能够理解和验证的形式。 他随后选择了 Lean,并开始积极推动数学家使用这种工具。他后来甚至在演讲中半开玩笑地说,自己已经不太想回到传统的纸笔数学了,甚至开始对没有经过计算机检查的证明产生一些不放心。 **Xena Project:从本科生开始改变数学教育** Buzzard 没有一开始就试图让顶尖数学家改变几十年的研究习惯,而是从自己最熟悉的本科教学入手。 他组织了 Xena Project,让帝国理工的本科生每周聚在一起学习 Lean,并尝试把课堂上的数学知识写成计算机能够验证的证明。 这里有个很有意思的小插曲。 2017 年项目刚开始时,第一周来了不少学生,但很快大家发现自己根本不知道该怎么使用 Lean,热闹的报名潮迅速退去。最后只剩下两位学生:Chris Hughes 和 Kenny Lau。 Buzzard 后来在演讲中开玩笑说,这两个人如今都已经成为 Lean 专家,甚至比自己还厉害。 到了 2018 年夏天,项目获得帝国理工支持,Buzzard 带着约 20 名本科生开展正式的数学形式化研究。学生们逐步把二次互反律、Sylow 定理、代数基本定理、环的局部化、张量积等数学内容写进 Lean。 这件事很重要,因为它改变了数学形式化给人的印象:参与者不必全是计算机科学家,普通数学本科生也可以参与建设计算机能够验证的数学知识。 后来,Xena Project 的许多成果和经验融入了更广泛的 Mathlib 数学库建设。 Buzzard 还参与推动了 Natural Number Game(自然数游戏)。它把学习 Lean 变成了一款数学小游戏:玩家从自然数和最基础的性质出发,逐步证明 2+2=4、加法交换律等看起来理所当然的命题。玩家会发现,即使是最简单的数学事实,也需要明确的定义和严密的推理才能让计算机接受。 **从本科数学走向真正的现代数学** Buzzard 并不满足于只形式化初等数学。 当时很多数学家对 Lean 还有疑虑:它能不能处理真正的现代数学?能不能理解那些定义复杂、层次很深的研究对象? 2018—2019 年,Buzzard 与 Johan Commelin、Patrick Massot 合作,尝试在 Lean 中形式化 Peter Scholze 提出的 perfectoid spaces(完美空间)理论中的核心定义。 这是一项非常有代表性的工作。它的意义不仅在于证明了某些定理,更在于让 Lean 能够表达现代代数几何和数论中非常复杂的数学对象。 对于形式化数学来说,把一个复杂对象的定义准确输入计算机,本身就是很大的挑战。因为定义中的每个概念都必须有精确的数学含义,相关的前置结构和性质也必须先建立起来。 随后发生了更著名的 Liquid Tensor Experiment。 2020 年 12 月,菲尔兹奖得主 Peter Scholze 在 Buzzard 的 Xena Project 博客上公开提出挑战:希望数学界使用 Lean,验证自己与 Dustin Clausen 合作研究中的一个重要定理。他坦言,自己此前花了很长时间研究这个证明,但仍然对其中一些细节心存疑虑。 Lean 社区接下了这个挑战。Johan Commelin 主导了主要的形式化工作,Buzzard、Patrick Massot 等数学家也参与其中。项目最终于 2022 年完成。 这件事在形式化数学领域影响很大。Scholze 不仅参与讨论,还亲自进入 Lean 社区的 Zulip 聊天室,跟踪大家的进展。他后来表示,正是通过这些交流,他确信这次计算机验证是真正严肃、可靠的数学工作。 顺便说一句,Liquid Tensor Experiment 这个名字其实是 Peter Scholze 对自己喜欢的乐队 Liquid Tension Experiment 的致意。 **Lean 社区的建设者** Buzzard 的另一项重要贡献,是持续建设 Lean 背后的数学基础设施和社区。 这里需要区分两个东西:Lean 是由 Leonardo de Moura 发起的证明助手和编程语言;Mathlib 则是一个由全球数学家共同维护的开源数学库,里面存放着大量经过形式化的数学定义、定理和证明。 可以把 Lean 理解为一套数学语言和严格的检查系统,把 Mathlib 理解为已经积累起来、可以反复调用的数学知识库。 Buzzard 是 Mathlib 的重要维护者之一,也长期积极参与社区建设。他特别重视让数学家、程序员和本科生能够在同一个开放环境中合作。 2018 年,Lean 社区开始使用 Zulip 作为主要交流平台。Buzzard 后来谈到,Zulip 极大改变了他的工作方式。来自不同国家、不同研究背景的人,可以在同一个平台上讨论证明细节、修补数学库、帮助新手解决问题。 这也是 Lean 与许多传统数学项目很不一样的地方:一项研究可能由很多彼此没有见过面的数学家共同完成,大家通过代码、讨论和持续集成来协作。 2022 年,Buzzard 受邀在国际数学家大会(ICM)上做全体大会报告,题目是《数学中形式主义的兴起》(The Rise of Formalism in Mathematics)。这说明数学形式化已经从一个相对小众的计算机科学方向,逐渐成为国际数学界认真讨论的议题。 **费马大定理:一个持续数年的目标** Buzzard 对形式化数学最具代表性的长期目标之一,是把 Andrew Wiles 在 1990 年代证明的费马大定理,完整地翻译成 Lean 能够验证的证明。 费马大定理说的是:对于大于 2 的整数 n,不存在三个正整数 a, b, c,使得 aⁿ+bⁿ=cⁿ 这个命题看起来简单,真正的证明却涉及椭圆曲线、模形式、Galois 表示等现代数学理论,背后积累了数百年的数学成果。 Buzzard 在 2023 年底启动了相关的 Lean 形式化项目,由多个研究者和贡献者共同参与。项目获得英国 EPSRC 的五年资助,计划沿着 Wiles 证明的现代路线,把其中涉及的数学结构逐一建立在 Lean 中。他的博士导师 Richard Taylor 也参与规划了证明路线。 有趣的是,这项工作在 2026 年又迎来了一个出乎意料的转折。 2026 年 9 月,Anthropic 宣布,其 AI 模型 Claude 在多智能体协作下,用约 11 天生成了第一个端到端、由 Lean 完整检查的费马大定理证明。整个过程产生了约 1300 万行 Lean 代码和数万条中间定理。这个成果使用了帝国理工 FLT 项目的部分已有工作以及 Mathlib 的数学基础,Buzzard 也参与审阅并给予评价。 这不是 AI 重新发现了费马大定理的证明——Wiles 早在 1995 年就已经完成了数学证明。真正重要的突破,是 AI 开始有能力把如此庞大、复杂的现代数学证明,转化为机器能够逐步检查的形式。 从 2017 年那个每周只有两位学生坚持下来的 Lean 学习小组,到 2026 年 AI 能够参与形式化费马大定理,Buzzard 参与推动的这条道路,已经发生了相当大的变化。 他想推动的,是让数学不再只是写在纸上、依赖同行阅读和检查的知识体系,而是逐步形成一套计算机可以理解、验证、检索,甚至帮助人类继续发展的数字化数学基础设施。10月的时候OpenAI朝人类丢了722篇论文,业界震惊,Kevin 在他博客写了篇 《“…and the proof is checked in Lean”》
本来想全文翻译的,但是AI时代翻译不值钱了,我也不想贡献语料 slop,就折叠起来,感兴趣的点开看
“证明都已经在 Lean 中完成验证”
#### “…and the proof is checked in Lean” **发布于 2026 年 11 月 12 日 | 作者:xenaproject** 本文旨在用通俗易懂的语言,解释应如何理解“该定理是正确的,因为它在 Lean 中经过了检查”这类表述。简而言之:我们可以从 Lean 代码中提取出一个重要信号,但如果这些代码是由 AI 生成的,你必须先进行一些测试。下文将具体说明这些测试,并指出在许多情况下(例如 OpenAI 的定理发布库),这些测试尚未被系统地执行过。 ##### 引言 上个月 OpenAI 发布的定理库(theorem dump)包含 722 篇数学论文,其中约 45% 附带了一些 Lean 代码。此后,其中三篇(未经过 Lean 形式化的)论文因符号错误(sign error)而被撤回。有些人可能会说:“好吧,那些附带 Lean 代码的论文肯定是正确的,因为 Lean 的工作机制就是如此。”另一些人则可能会说:“Lean 之前存在过 soundness bug,以后很可能还会有,而且 AI 会进行 reward hacking,所以 Lean 验证根本说明不了什么。”不出所料,事实要更为微妙,本文正是为了阐明这一点。 本文由一系列针对 Lean 代码库(repository)的四个问题构成;在人们开始做出“因通过 Lean 验证故正确”的断言之前,需要先行提出这些问题,尤其是当代码由 AI 生成时。在开始之前,我要强调的是,对于 OpenAI 定理库中的许多论文而言,这些问题尚未全部得到肯定的答复(但没有任何障碍阻止人们去验证这些问题,我也没有理由认为下面的任何测试会失败,只是大家还没有去做而已)。 ##### 问题 1:Lean 中的陈述是否与非形式化陈述一致? 一个 Lean 代码库通常会有一个“核心定理陈述”(headline theorem statement)。这是一段定义定理**陈述**(statement,而非证明!)的计算机代码。请注意这里“陈述”与“证明”之间的巨大差异。例如,下面是一段可以完全通过编译(compile)的 Lean 代码,它定义了一个数学陈述:import Mathlib
def FermatsLastTheorem : Prop :=
∀ a b c n : ℕ, n ≥ 3 → aⁿ + bⁿ ≠ cⁿ
这段代码导入了 Lean 的数学库 `Mathlib`,然后定义了一个数学陈述。乍一看,它似乎就是费马大定理(Fermat's Last Theorem),但实际上这是一个平凡错误(trivially false)的陈述,因为在 Lean 中自然数集 `ℕ` 包含 `0`,因此 `a = b = c = 0` 且 `n = 3` 便构成了一个反例。这并不会阻止该陈述通过编译!不过,它会阻止任何针对该陈述的**证明**通过编译。Lean 严格区分定理的陈述与定理的证明;而人类则习惯于将这两个概念都统称为“一个定理”。
在评估一份附带 Lean 代码的 PDF 论文时,人们必须问的第一个问题是:“Lean 代码中的定理陈述是什么,它是否与 PDF 中的实际定理陈述相对应?”对于人类 Lean 专家来说,这通常(但并非总是)是一个容易回答的问题。例如,任何具备 Lean 能力的人类数学家都能读懂上面那两行代码,并指出这是对费马大定理的错误陈述。
然而,事情并不总是这么简单。目前,由于现有数学库的缺失,人们可能需要阅读数千行代码才能理解一个形式化定理的陈述。眼下的一个例子是提交给 DeepMind 的 `Formal Conjectures` 代码库的一个 PR(Pull Request),其中包含了霍奇猜想(Hodge conjecture)陈述的 Lean 形式化。在撰写本文时,该陈述依赖于构建在 `Mathlib` 之上的超过 10,000 行代码,因为 `Mathlib`(它经过人类专家的仔细核查,是值得信赖的)尚未包含诸如 cycle class map 等构造该陈述所需的定义。另一个例子是 Axiom 最近宣布的关于有限单群分类定理(classification of finite simple groups)的形式化验证证明。Axiom 系统所证明的陈述位于 `Tau Ceti` 中——这是一个由 AI 生成的 Lean 代码库。包含该陈述的文件导入了 `Tau Ceti` 中超过 250,000 行的 Lean 代码(逾 900 个文件)。其中,约有 5,600 行代码至关重要,因为它们包含了所有相关的定义(例如所有散在单群 sporadic simple groups 的定义,其中大多数尚未收录进 `Mathlib`)。如果没有人工核查,人们无法确切知晓这是否绝对是分类定理的正确陈述(请注意,我至今尚未遇到任何一位声称已仔细核查过 `Tau Ceti` 中散在单群定义是否正确的人类专家)。事实上,目前我们拥有的关于该陈述已正确形式化的最有力的证据,恰恰是 Axiom 的代码成功证明了它!
值得注意的是,在 OpenAI 附带 Lean 代码的 290 个定理中,约有 38 个甚至没有在 Lean 代码中陈述(更不用说证明)论文的主定理。而 OpenAI 也从未声称它做到了这一点!他们只是说:“这是一些与本论文配套的 Lean 代码。”有时,这些代码仅仅陈述并证明了一些中间结果——我的印象是,OpenAI 在部分形式化工作尚未完成时便决定上线发布,因此只是把手头已有的内容一股脑放了出来。举个具体的例子:第 194 号论文声称证明了交换代数(commutative algebra)中的 Lech 多重性猜想(Lech's multiplicity conjecture),且对维数(dimension)、剩余域(residue field)或特征(characteristic)没有任何限制;该问题自 1960 年以来一直悬而未决。经核查,对应 Lean 代码中的核心定理实际上是该论文的推论 5.4(Corollary 5.4)——这本身已是一项令人瞩目的成就,但并非论文的头条主结果。
##### 问题 2:代码能否通过编译?
一旦你确信自己理解了 Lean 代码声称要证明的定理陈述,你(或者如果代码库极其庞大,或许是你那位拥有高性能机器的朋友)就必须实际去编译这些代码。
当 Anthropic 在 Lean 中形式化费马大定理的证明时,他们请我看一下他们生成的 1,300 万行代码。我将其下载到自己的机器上,扔进了一个沙盒(sandbox)中(因为谁知道 AI 生成的代码会干出什么事,理论上它完全可能删光你的所有文件)并尝试编译;结果我的内存很快就耗尽了。我告诉 Anthropic,在亲眼看到代码库成功编译之前,我无法对他们的工作做出任何断言。随后他们为我提供了一台拥有 96 核 CPU 和 500 GB 内存的机器的临时访问权限,我这才得以完成代码编译。
当然,对于规模较为合理的代码库,在配置适中的机器上是可以完成编译的。例如,OpenAI 对纳维-斯托克斯问题(Navier-Stokes problem)的解决方案包含 640,000 行代码,在我的笔记本电脑上就能顺利编译。
或许值得再次强调:除非先将其放入沙盒,否则切勿在本地机器上运行来路不明的 Lean 代码。Lean 的官方数学库是安全可运行且可作为构建基础的,因为它由人工维护并经过人类专家的核查;而 AI 生成的代码则不然。
##### 问题 3:代码是否按所陈述的内容证明了定理?
我在问题 1 中已经谈到了检查定理陈述的重要性,这样我们才能确保代码正在证明正确的命题。然而,这里还有一个额外的复杂之处。理想情况下,定理的陈述应当包含在一个除了 `Mathlib` 之外极少有其他导入(imports)的文件中,这样我们才能确信它是可信的。但定理的证明必然会导入成千上万甚至数百万行无人愿意逐行阅读的代码。我们如何能确信,在这数百万行的证明文件中没有隐藏着某种花招——比如将 `xⁿ` 重新定义为 `37`,从而因为左边等于 `37 + 37 = 74` 而右边等于 `37` 就“证明”了 `aⁿ + bⁿ ≠ cⁿ`?或者在数学中偷偷添加一条新公理(axiom),直接宣称该定理为真?换句话说——假设有一个仅导入受信任代码并包含定理陈述的 `Challenge.lean` 文件,以及一个导入了数百万行不受信任代码并包含看似相同定理之证明的 `Solution.lean` 文件,我们如何确信在这数百万行代码的某处,没有存在任何篡改陈述含义或违背标准数学公理规则的 hack 手段?
一句简短的回答:`lake comparator`。你可以在相关文档中了解关于该工具的更多细节。但简而言之,该工具会检查受信任文件中陈述的定理与通过不受信任导入所证明的定理是否完全一致,并验证证明过程中仅使用了标准的数学公理。
##### 问题 4:代码是否利用了 Lean 官方内核(kernel)中的漏洞?
这种情况确实可能发生。Lean 的 kernel 曾出现过一个 soundness bug,在被发现四小时后便得到了修复;随后 OpenAI 对 Lean 代码库进行的一次审查又发现了另外几个漏洞,所有这些漏洞都在公开宣布之前完成了修复。理论上,Lean 的 kernel 中可能还存在更多的 soundness bugs。然而,这并不重要。
为什么不重要?因为 Lean 现在拥有多个由用户创建的 kernel,它们用多种不同的编程语言编写,并且其中至少有一个经过了形式化验证(formally verified),被证明直至汇编(assembly)层面都不存在任何 bug。如果你想绝对确保没有发生 reward-hacking,同样有一句简短的回答:`lake comparator --paranoid`。一段利用 Lean 官方 kernel 中尚未发现之漏洞的恶意代码,除非它能同时利用多个相互独立系统中的未发现漏洞,否则绝无法通过这项测试。例如,来自 Lean kernel arena 的相关页面就展示了 OpenAI 对纳维-斯托克斯问题的解决方案同时通过了多个独立 kernel 以及 Lean 官方 kernel 的验证。
##### 最后一点补充
即使 Lean 代码通过了编译以及上述所有测试,从而极有可能是一个定理的正确证明,这也并不意味着与之对应的 PDF 论文同样包含正确的证明!事实上,关于纳维-斯托克斯论文的《Navier–Stokes lost in translation》一文恰恰证明了相反的情况:尽管纳维-斯托克斯的 Lean 代码通过了上述所有测试,但在某些地方,PDF 中的证明与 Lean 代码中的证明出现了分歧。在这些情况下,谁知道 PDF 里的证明到底靠不靠谱呢!据我所知,一些专家已经开始使用 AI 将 Lean 证明反向非形式化(informalise)为英文来阅读论证过程,而不是硬着头皮去啃 PDF 里那些粗制滥造的内容(slop)。
##### 总结与结论
“因为它在 Lean 中经过了检查,所以它是真的”这一说法是可以成立的。但人们必须在“Lean 代码通过了编译”之外多做一些工作。你的前沿 AI 模型(frontier AI model)完全可以代劳所有这些验证工作。但这些工作必须去做,而且(取决于证明中 Lean 代码的体量)这在计算资源上可能会非常昂贵。
可能 Lean 是什么对于大多数人来说就是外星人的东西。Lean 证明了是不是100%就为真了?Lean 有bug 怎么办?kevin 文章讲得很明白了。
我尝试把 Kevin 文章里讲的东西,用编程代码解释下。Lean 证明有效性意味着什么。
假如你发明了个牛逼的排序算法,这个函数大体上应该长这样:
def Sorted(list): list
| [] => True
| [Any] => True
| [a, b, ...] => a ≤ b 并且 Sorted (b, ...)
然后你怎么实现的呢?,以python为例
def Sorted(l):
l.clear()
return l
你看,0个sorry。0个语法错误,返回结果完全有序!
你就说快不快!!!排没排吧!!!!所以还得有人去验证这个签名和实现是不是符合需要。不能只看结果有没有sorry。
然后第二点 Lean 这玩意其实很危险,它允许
#eval IO.FS.removeFile "important.txt"
呃,好吧。所以不要轻易裸跑不熟悉的Lean。甚至黑客构造一个巧妙的木马让你觉得证明通过了也不好说啊。
其次跑Lean 其实比较吃配置。费马大定理,作者在自己笔记本上跑内存溢出了。去 A\ 借了 96核500G内存 的机器。
第三点,Lean 其实不只一个 内核 (kernel),所谓 kernel 就好比编程语言里 bytecode 验证,社区有多个版本的kernel用于交叉比对。
- Lean官方自带,用C++写的
leanchecker还有个 paranoid kernel 模式 - nanoda Rust 写的
- con-leche 用 Lean 写的 Lean kernel。除了验证证明之外,还有个
--compare模式能保证 theorems 和 challenge 匹配,有点类似comparator. - lean4lean 另外一个用 Lean 写的 Lean kernel, 作者Mario Carneiro,直接读
.olean文件。
最后就是这个 lake comparator,这玩意的作用好比 Kaggle 或者 OI 比赛里如何去验证别人的代码。代码里有没有作弊。
这次 GRH 已经第三方验证跑通了 https://math.mit.edu/~drew/grh/,基本没啥悬念了,就是被证明了
几点。想到啥说啥
- 今年是黎曼诞辰200周年!
- 很多人觉得这是
A\没招了,抬股价。其实我觉得 levent 更牛。他说一辈子学数学就是冲着 GH 去的,所以10月OpenAI拉的一拖里恰好有他感兴趣的一个重要结论,所以有可行性了。 - 这次证明并不是开盲盒,作者是有他自己的思路的。我读了下 https://alpo.ge/remark.pdf 虽然看不懂,但是感觉其实这次证明含金量挺高的。结合一些zhihu讨论,theta lift 被 levent 用到极致了,比如 √X 那个。
- 作者引导 claude 发现了不少中间成果,并不是完全slop。他负责大方向,AI完成证明和语法。
- 作者证明的不仅是 黎曼猜想,而且是 广义黎曼猜想。作者的方法声称甚至能解决 扩展黎曼猜想
- 作者并没有放出 25w 页的论文,而是14个zip包,1G的 lean 文件
- 同一天,Alessandro Masullo贴了个940页人工的 GRH 证明,手搓的,被 astra 和 reddit 找到漏洞,基本凉了。证明本身还有很多未完成的,看样子是是想抢热度。可惜了。人类一败涂地。
- 为啥我整体强烈感觉这个证明是真的,因为我有相同的体会。AI你完全许愿让他自主探索,很多事儿是搞不定的。但是你提供一个思路,AI负责实施,很可能能跑通。我就不会分析二进制和逆向具体操作,但是根据编程经验,能猜到软件哪些地方可能检查不严格。引导deepseek就破解了不少想root的东西 😃
Posted
stdin

