Claude 將黎曼 Zeta 零點下界提升至 67.2% – AI 模型如何推進解析數論

Claude 將臨界線上黎曼‑zeta 零點的已證下界提升至 67.2%

Claude，作為 Anthropic 大型語言模型的一個尚未發布的研究版本，將黎曼 zeta 函數非平凡零點位於臨界線上的嚴格確立比例從 41.6% 提升至 67.2%。這是數十年來「線上比例」下界最重大的改進，並證明了 AI 可以為深奧的解析數論問題做出非平凡的貢獻。

數學背景：為什麼下界比例至關重要

黎曼猜想 (RH) 主張每個 ext{}\zeta(s)\text{} 的非平凡零點其實部皆為 ext{}\tfrac12\text{}。雖然完整的證明仍是未解之謎，但研究人員長期以來一直尋求定量保證，即有一定比例的零點滿足該猜想。此類下界非常有用，因為許多質數理論中的條件性結果在比例超過一定閾值時會變成無條件結果。先前的研究，以 Baluyot, Goldston, Suriajaya, 和 Turnage‑Butterbaugh 在 2023 年的一系列論文為巔峰，確立了 41.6% 的下界。Claude 的結果透過將這些技術與 Bombieri 在 2000 年的二次型分析相結合，將此數字推升至 67.2%。

Claude 證明背後的核心技術洞察

Claude 的方法可以歸納為三個步驟：

  1. 建構一個 Weil‑induced 二次型，在一個函數空間上，該空間能將臨界線上零點的貢獻（正定子空間）與線外的零點貢獻（負定子空間）區分開來。
  2. 推導一個不等式，將此二次型的秩 (rank) 與從對偶質數端圖像（本質上是 Hilbert‑transform 控制）獲得的一階與二階矩數據相關聯。
  3. 應用現有結果，利用 Baluyot‑Goldston‑Suriajaya‑Turnage‑Butterbaugh 的論文以及 Bombieri 在 2000 年的工作來評估矩，從而得出新的 67.2% 下界。

其新穎之處在於對整個函數空間進行聯合處理——允許二次型為非對角形式，並同時考慮正定性與負定性。這種整體性的處理方式解鎖了比先前將子空間分開考慮的分析更強的秩不等式。

Claude 的發現過程：多代理人探索

Anthropic 員工 Jarred Sumner 向 Claude 提出了「試著挑戰黎曼猜想」這個開放式挑戰。Claude 的工作流程在兩次會話中展開，總計產生了 3100 萬個輸出 token：

  • 想法生成： Claude 最初產生了 650 種不同的策略，但沒有一個成功。
  • 子代理人協調： 在第二次嘗試中，Claude 在一天半的時間內協調了 ≈60 個子代理人。這些代理人執行了 2,400 個 shell 命令，撰寫了 數百個 Python 腳本，並針對已知的 zeta 零點進行了 數千次數值檢查。
  • 自我審查： 子代理人互相交叉驗證彼此的證明，搜尋尋找反例，並下載了 54 篇 arXiv 論文 以確保新穎性。
  • 人類鼓勵： Sumner 的唯一輸入僅是週期性的鼓勵訊息（例如，「繼續加油」），社群觀察到這似乎幫助 Claude 克服了對取得進展的疑慮。

整個流程最終以一個 正式的 Lean 證明（參見 GitHub 儲存庫 anthropics/zeta-23-lean）告終，該證明通過了標準的 Lean comparator 驗證。

專家驗證與正式驗證

兩名 Anthropic 的數學家 Levent Alpöge 和 Ralph Furman 檢查了 Claude 的手稿，並為專家提供了總結證明的非正式筆記。獨立專家 Brian Conrey 和 Dan Goldston 也在短時間內審閱了該工作，並確認了其正確性。正式的 Lean 版本提供了機器檢查的保證，確保了每一次推論，這標誌著 AI 生成的結果既經過了同行評審，又經過了正式驗證。

Hacker News 社群反應

HN 的討論突顯了幾個反覆出現的主題：

"註冊整個過程中，Jarred 的輸入主要僅限於發送鼓勵 Claude 的訊息……這似乎幫助 Claude 克服了些許最初的懷疑，認為自己可以取得有意義的進展。" – simonw

"我不確定哪一個更瘋狂：AI 提升了 RH 的下界，還是 AI 提升了 RH 的下界卻連 HN 的首頁都沒上得了。" – bryan0

"值得注意的是，當時存在一個 2025 年的 arXiv preprint 論文，在弱條件下具有 >66% 的比例；Claude 移除了該條件，完成了向 67.2% 的躍升。" – rockmeamedee

這些評論強調了對這項突破的熱情，以及對將整個改進歸因於模型本身的謹慎態度。共識是 Claude 著作為一個強大的數學整合者，而非從零開始發明新的基礎概念。

AI 驅動數學的意義

Claude 的結果展示了一種新的 AI 輔助研究模式：

  • 探索性廣度： 模型可以比單獨的人類更快速地產生並測試數百種候選方法。

  • 嚴格的驗證： 透過產生 Lean 形式化化，AI 彌合了直覺洞察與可證明的數學證明之間的分隔。

  • 人機協作： 極少的人類提示（鼓勵）結合廣泛的自主律動，產生了實質性的進展。

雖然黎曼猜想 (RH) 仍是未解之謎，但 LLM 提升了主要解析數論下界的能力，暗示著未來模型可能會常規性地為前沿數學做出貢獻，特別是當與系統化的子代理人流程與正式證明助手結合時。

進一步閱讀

本文摘要了 Anthropic 的公告與相關的 Hacker News 討論，提供關於 Claude 的數學成就及其更廣泛影響的概覽。

Sources

相關