9月4日 Anthropic 宣布，Claude 在基本自主运行11天后，完成了费马大定理首个端到端、经计算机检查的Lean形式化证明。这一结果把原本需要数十年人工积累的数论证明，压缩到不到两周的机器自主过程，直接改写了形式化验证的时间尺度。

Claude 11天自主运行首次实现端到端Lean证明

Anthropic在9月4日发布的消息显示，Claude模型在几乎没有人工干预的情况下连续运行11天，最终产出了费马大定理在Lean定理证明语言中的完整形式化版本。这个证明经过了Lean系统的自动检查，确认逻辑无误。

端到端在这里意味着整个过程从初始的自然语言定理陈述开始，由AI自主生成中间引理、构造辅助定义、完成所有证明步骤，直到最终得到可被Lean内核验证的完整文件。传统AI辅助形式化通常是分步的：数学家先把证明拆成小块，手动写出框架，再让AI填充个别引理或战术。Claude这次跳过了这种人工拆解，直接从头到尾自己决策下一步该做什么。

11天内，模型反复调用Lean编译器，检查当前证明状态，生成新的Lean代码片段，遇到错误则回退并尝试其他路径。这种闭环自主运行让它能够处理数千行相互依赖的代码，而不需要人类随时提供提示。Anthropic强调，这是第一个真正端到端的案例，以前的工作更多停留在辅助人类完成局部证明。

这个成果的直接意义在于，它证明当前大模型在特定领域已经具备长时间自主规划和纠错的能力。11天听起来不短，但对比人工形式化同一定理可能耗费的专业数学家数年时间，已经是数量级上的跃进。整个过程只依赖模型自身的推理循环和Lean工具链的反馈，没有外部知识注入，这也让结果更具说服力。

费马大定理形式化难点集中在全局逻辑一致性

费马大定理陈述简单：当整数n大于2时，方程x^n + y^n = z^n没有正整数解。但其证明极为复杂，涉及椭圆曲线、模形式等多个现代数学分支。1994年安德鲁·怀尔斯给出的人类证明长达数百页，逻辑链条跨越多个领域。

在Lean这样的形式化系统中，难点不在于单个步骤的正确性，而在于全局逻辑一致性。所有引理、定义和推导必须形成一个封闭的、无矛盾的依赖图。任何一个中间假设的细微不精确，都可能导致整个证明链在Lean内核处无法通过检查。信号中特别强调“首个端到端”，正是因为此前尝试大多只形式化了证明的局部片段，无法保证所有部分在同一个文件中无缝衔接。

Lean要求证明者显式写出每一个逻辑跳转，不能依赖人类阅读时的“显然”。这使得形式化费马大定理需要把怀尔斯证明中隐含的数论知识全部展开成可机械验证的形式。全局一致性要求AI必须同时维护数千个定义之间的关系，任何一处类型不匹配都会导致后续所有步骤失效。

正因如此，长期以来形式化这一定理被视为极高难度任务。Claude的成功表明，模型在长时间运行中能够逐步构建并维护这种大规模一致性，而这正是过去AI辅助工作最薄弱的环节。

AI自主形式化把数学验证周期从数年压至数天

传统数学证明的验证周期往往以年为单位。一篇重要论文发表后，社区需要数月到数年时间反复检查其正确性。即使是怀尔斯的证明，也经过了数年修正才被完全接受。形式化则进一步拉长这个周期，因为要把自然语言证明翻译成Lean代码需要大量人力。

Claude用11天完成端到端证明，把这个时间尺度直接压到两周以内。Anthropic公布的数据显示，整个过程从定理陈述到最终可验证文件，只用了不到两周的机器时间。这意味着未来数学家在完成一个复杂证明后，可以迅速让AI尝试形式化，从而在发表前就获得机器级别的正确性保证。

对数学家日常工作流程的影响是实质性的。过去他们需要花费大量精力把证明写得足够形式化以便同行检查，现在AI可以接手这部分重复劳动。数学家可以将更多时间放在提出新想法和寻找关键洞见上，而把验证的繁重工作交给机器。

这一变化也加速了数学分支的迭代速度。以前一个定理的形式化可能需要一个专门团队工作数年，现在类似工作有望在数天内完成。这对那些依赖大量引理的领域，如代数几何或数论，意味着研究节奏可能显著加快。11天这个具体数字，成为当前AI形式化能力的一个可量化的基准。

Lean工具链在AI驱动下的使用门槛正在下降

Lean作为定理证明器，其工具链原本对普通研究者和开发者并不友好。它要求使用者熟练掌握函数式编程风格和依赖类型理论，学习曲线陡峭。中文数学和计算机社区中，真正能熟练使用Lean进行大型形式化项目的人仍然有限。

Claude的这次成果显示，当AI能够自主驱动Lean时，门槛正在明显下降。研究者不再需要从零开始手写所有Lean代码，只需提供高层目标，模型就能生成可用的代码框架。普通开发者可以通过简单接口调用类似系统，让AI处理底层形式化细节。

对中文社区而言，这意味着更多高校和研究机构可以开展形式化数学项目。此前受限于人才短缺，许多有趣的定理形式化工作迟迟无法启动。现在借助AI驱动的工具链，研究生或工程师只需理解基本原理，就能参与大型证明的形式化工作。

工具链成熟度的提升还体现在与现有开发环境的集成上。未来可能出现专门为AI形式化设计的编辑器插件，自动提示、纠错和可视化证明树。这些变化将让Lean从少数专家的工具，逐步变成更广泛研究者可用的基础设施。

科研范式从人工推导转向人机协作的早期信号

这一事件释放出数学研究模式转变的早期信号。传统范式下，数学家独自或小团队完成证明，再由同行人工验证。AI自主形式化的出现，暗示未来主流模式可能是人机紧密协作：人类负责提出猜想、寻找证明思路，AI负责把思路展开成可机械验证的完整形式。

人机分工的新边界正在显现。人类擅长直觉跳跃和跨领域联想，AI则在长时间逻辑展开和一致性维护上表现出色。Claude11天的自主运行表明，AI已经可以接手证明中最为机械和耗时的部分，而人类可以专注于指导方向和处理模型无法解决的关键难点。

这种转变对整个科研生态的影响可能是深远的。论文发表的标准可能从“同行认为正确”转向“机器已验证正确”。数学知识的积累方式也会改变：更多定理将以可执行的Lean代码形式存在，便于后续工作直接复用。

当然，这并不意味着人类数学家会被取代。相反，它可能解放数学家，让他们把精力投入到更具创造性的工作上。Anthropic的成果只是一个起点，但它清晰地显示了人机协作范式正在从概念走向现实。

AI证明过程的可解释性与可重复性仍无定论

尽管结果令人印象深刻，但Anthropic目前仅公布了最终完成的事实，并未披露Claude在11天内的具体推理路径。这导致两个重要问题仍无定论：过程是否可解释，以及结果是否容易重复。

可解释性缺失意味着数学家难以理解模型为什么在某个步骤选择了特定引理，或者它如何避免了常见的逻辑陷阱。如果无法追溯决策链条，社区就很难完全信任这样一个黑箱产生的证明。即使Lean内核确认了正确性，人类仍希望知道证明背后的直觉逻辑。

可重复性同样存疑。11天的自主运行涉及大量随机采样和搜索路径，同一模型在不同运行中是否会收敛到相同证明，目前没有公开数据。假如每次运行产生的Lean代码结构差异很大，那么这个方法在实际科研中的可靠性就需要更多验证。

这些未解决的问题构成了当前AI形式化工作的风险。透明度缺失可能导致学术界对这类成果的接受度降低。未来Anthropic或其他团队需要提供更多关于内部搜索过程、失败尝试统计和决策树可视化的信息，才能让这一技术真正进入主流数学实践。

目前来看，Claude的成功是一个强有力的演示，但距离可解释、可重复、可广泛部署的AI数学助手，还有一段距离需要跨越。

参考来源