业余爱好者用ChatGPT单提示解决60年Erdős未解问题：实用提示工程技巧

然而根据Forrester调研，仅有不到两成的企业表示已看到清晰的成本节约或效率提升。全面指南一元红中麻将微信群_上海交通大学官网的讨论，正逐渐从兴奋转向冷静审视。

“vibe math”的核心在于AI不遵循人类数学家习惯的标准序列。它绕过路径依赖，从相关领域已知工具中抽取元素进行全新组合，比如用von Mangoldt函数和Markov链权重，建立整数结构与概率过程间的紧密联系。这种“氛围”般的直觉连接，此前文献中仅有零星暗示，却从未被明确构建。人类尝试往往从分析方法入手，第一步就集体拐了个小弯，导致后续卡住。AI则没有这些预设，方向是对的。

当然，现在下结论仍为时尚早。当前影响主要体现在Erdős problems网站的更新和社区跟进上，长期来看，如果更多研究者将“vibe mathing”系统化，与LLM协作探索盲区，AI辅助数学可能成为打破组合数学和数论猜想壁垒的常规方式；反之，若仅停留在个案提炼，实际加速效应或许有限。值得持续跟踪的是，这种人机协作能否在更多纯数学领域复制类似的结构发现。

本质判断是，AI没有取代数学家，而是把传统的博士门槛部分转化为有效的提示词门槛。一个有好奇心且懂得提问的普通人，如今能借助前沿大模型触达前沿猜想。当然，验证输出、理解证明结构仍需专业素养，但它确实降低了心理和入门壁垒，让更多业余数学爱好者有机会在分布式网络中贡献想法。这个转变的方向是对的，但落地程度仍有待观察。

对比以往数学研究路径，人类专家倾向于将问题转移到实数域并大量使用分析工具，而AI生成的论证保留在算术领域，利用von Mangoldt函数等工具实现反直觉的处理。这一差异凸显了AI在突破习惯性思维上的潜力，但也暴露其边界——输出质量不稳定，严谨性仍需大量人工干预。目前erdosproblems.com已将问题1196标记为解决，归功于GPT-5.4 Pro在Price提示下的贡献，并附上专家后续讨论。

媒体和网友的反应迅速两极化。不少人惊呼AI将取代数学家，一个无专业训练的普通人就能“秒杀”60年难题。Fields Medal得主Terence Tao指出，此前研究者在问题起点就集体走了一点小弯路，存在某种心理障碍，AI则意外连接了整数结构与Markov过程理论。另一位专家Jared Duker Lichtman参与验证时提到，AI原始输出相当粗糙，需要人类筛选提炼。

在组合领域，某些涉及有限枚举或序列性质的问题也呈现AI友好特征。AI能高效生成变体并测试一致性，尤其当提示强调“从基本概念出发，逐步构建”时。值得持续跟踪的是，随着模型迭代，这些低难度目标的解决速度可能远超预期——低难度不等于无价值，它们正帮助清理外围，让核心数学家聚焦更深刻的结构问题。现在下结论为时尚早，但趋势已相当明显。

Hacker News的深层辩论焦点在于AI是否展现了“真实智能”。部分参与者将其描述为“vibe-maths”式的直觉联想——模型在高维空间中搜索到有效连接，却难以独立完成形式化验证。另一些声音则看到新型潜力：AI没有人类研究者常见的“心理阻挡”，直接尝试了不同于标准序列的路径。Tao在评论中指出，人类此前在第一步就集体拐了个小弯，而AI避开了这些预设约束，揭示了整数结构与Markov过程之间更紧密的关联。

最近，一则来自数学圈的新闻在Hacker News和Scientific American上迅速发酵：23岁的Liam Price，没有接受过高等数学训练，却在一个闲散下午通过一次ChatGPT Pro提示，在大约80分钟内获得了Erdős问题1196的完整证明。这个问题涉及“原始集”——一组正整数集合，其中任意两个不同元素互不整除。60年来，从Erdős本人到陶哲轩等顶尖学者都曾投入精力，却未能彻底解决。

Erdős原始集指正整数集合中任意两个不同元素互不整除，类似素数的推广。保罗·埃尔德什定义了其“分数”——对集合中每个n计算1/(n log n)的和，并猜想在足够大的数上这个和趋近于特定常数。Jared Lichtman此前花七年推进相关上界，却始终卡在更精细的渐近行为上。Liam Price则是个典型业余爱好者，他和朋友Kevin Barreto常在erdosproblems.com上随意实验，把开放问题扔给AI看结果。

这个新证明的核心在于von Mangoldt函数的创新应用，它编码了整数唯一分解的经典恒等式∑_{d|n} Λ(d) = log n，从而将除数关系转化为带权过程，避免了之前分析路径中的技术障碍。专家们后来精炼了原始输出，并推进了Lean形式化验证。现在erdosproblems.com已将该问题标记为由GPT-5.4 Pro（Liam Price提示）解决。

无论最终走向如何，这个过程本身已在推动整个生态的迭代升级。