Claude开始啃黎曼ζ函数

Claude正在从“做题”走向“研究问题”

**截至2026年8月10日，Anthropic近日发布数学能力研究，展示Claude如何参与黎曼ζ函数等高难数学问题的探索。**这不是一次新模型发布，也不是常见的数学榜单刷新，而是Anthropic试图回答一个更难的问题：大语言模型除了复述定理、完成竞赛题，能否进入没有标准答案的研究现场，提出值得验证的推导、猜想和证明路径。

**Claude是Anthropic开发的一系列通用大语言模型，其数学能力主要来自预训练、推理训练、长上下文处理以及工具协作。**在这项研究中，Claude扮演的角色更接近“数学研究协作者”，而不是只负责输出最终答案的聊天机器人。它需要阅读问题背景、连接不同理论、尝试推导，并在失败后调整方向。

**Anthropic此次最吸引眼球的表述，是Claude开始探索与黎曼ζ函数有关的高难度问题。**但“探索”不等于“解决”，更不等于证明了黎曼猜想。就公开材料呈现的证据强度看，这项工作更适合被理解为前沿数学中的模型能力案例，而不是一份足以改写数学史的正式成果。

黎曼ζ函数为什么是数学模型的一块试金石

**黎曼ζ函数是解析数论中的核心函数，它把一个看似简单的无穷级数延伸到了复数平面。**当复数变量$s$的实部大于1时，ζ函数可以写成：

ζ(s) = Σ(n=1→∞) 1 / n^s

**ζ函数的重要性来自它与素数分布之间的深刻联系。**通过欧拉乘积，ζ函数可以被表达为所有素数对应因子的乘积，这意味着对ζ函数解析性质的研究，能够反过来揭示素数出现的规律。对数学家来说，它不是一个孤立函数，而是一座连接复分析、数论、概率、随机矩阵和量子混沌的枢纽。

**黎曼猜想是关于ζ函数非平凡零点位置的猜想。**它由伯恩哈德·黎曼在1859年提出，核心断言是所有非平凡零点的实部都等于$1/2$。该问题至今没有得到公认证明，也是克雷数学研究所七个千禧年大奖难题之一，对应奖金为100万美元。

**研究ζ函数并不等于直接挑战黎曼猜想。**相关工作还包括零点统计、矩估计、临界线上的函数值分布、与L函数的类比、特殊积分和渐近公式等大量子问题。Claude参与其中，更可能是在这些局部问题上寻找关系、补全推导或构造候选思路，而不是从空白开始一口气证明最终命题。

这次研究与“数学跑分”不是一回事

**数学能力研究可以分为标准答案评测、开放式探索和形式化证明三个层次。**传统MATH、AIME或大学习题评测考察的是模型能否在有限时间内得到已知答案；开放式数学研究没有现成答案，需要判断一个方向是否值得继续；形式化证明则要求每一步都能被Lean等证明助手的内核检查。

| 维度 | 标准数学评测 | Anthropic此次研究路径 | Lean等形式化证明系统 | |---|---|---|---| | 主要任务 | 解答已有标准答案的问题 | 探索开放问题、提出推导和候选猜想 | 逐步验证定理是否严格成立 | | 输出形式 | 数字、选项或自然语言证明 | 研究笔记、计算线索、证明草图 | 可由内核检查的形式化证明 | | 判断标准 | 正确率、pass@k、竞赛分数 | 新颖性、相关性、可验证性 | 是否通过类型检查与证明检查 | | 最大优势 | 容易批量评测 | 更接近真实科研流程 | 可靠性最高，可排除跳步 | | 主要风险 | 训练集污染、刷题过拟合 | 新颖性难判断，验证成本高 | 形式化成本高，表达门槛大 | | 能否证明前沿结论 | 通常不能 | 可能产生候选方向，但不能自动成立 | 可以验证，但仍需先找到证明 |

**Anthropic没有把这项研究包装成一个统一的数学准确率数字。**这反而符合前沿研究的实际情况：面对开放问题，“答对了多少题”往往不是最关键的指标，更有价值的问题是模型能否找到人类尚未尝试过、且经过检查后仍然成立的中间结论。

**开放式探索的评价成本远高于竞赛题评分。**一道竞赛题只需把模型答案与标准答案对照，而一份涉及ζ函数的长推导可能需要专家逐行检查、运行符号计算、进行高精度数值实验，再检索相关论文，确认所谓的新结论是否早已存在。

真正的进步，是模型开始承担“搜索空间压缩”

**数学探索是从大量可能方向中筛出少数可验证路径的过程。**人类数学家经常花费数天甚至数月判断一条路线是否值得继续，而语言模型的优势是可以快速枚举类比、变换和辅助命题，从庞大的搜索空间中压缩出若干候选方案。

**Claude在这类任务中的价值首先是提高研究吞吐量。**它可以在一次会话中比较多种证明路线，检查某个边界条件是否被忽略，或者把一个解析数论问题转写为积分、级数、概率模型或数值实验。即使10条路线中只有1条值得专家继续检查，研究者仍可能节省大量初筛时间。

**长上下文能力让模型更适合维护跨页推导的一致性。**高难数学问题通常依赖多层定义和引理，前文符号稍有变化，后面的结论就可能全部失效。相比只处理单道习题，研究助手必须持续跟踪假设、变量范围、误差项和引用来源，这对上下文管理提出了更高要求。

**工具调用能力让自然语言推理第一次有机会接上可验证计算。**模型可以把猜想交给计算机代数系统化简，用高精度数值程序检查特殊点，再把适合形式化的局部命题交给证明助手。这里的关键不是让Claude“凭语言感觉做数学”，而是让它组织一条由多种工具共同约束的证据链。

但它离“自主数学家”还有三道硬门槛

**第一道门槛是自然语言证明仍然可能隐藏无效跳步。**大语言模型很擅长生成看起来顺滑的数学文本，但一个被省略的交换极限步骤、一个没有满足的收敛条件，或者一个只在实数域成立却被误用到复数域的结论，都可能让整段证明失效。

**第二道门槛是“新颖”比“正确”更难确认。**模型生成的引理即使成立，也可能只是某篇旧论文中的已知结果换了符号。数学文献横跨不同年代、语言和记号体系，仅靠关键词搜索很难完成可靠的先验成果检索。

**第三道门槛是探索过程很难稳定复现。**同一个提示在不同模型快照、采样参数和计算预算下，可能产生完全不同的研究路线。如果实验没有记录模型版本、工具版本、完整上下文、失败尝试和人工干预次数，外部研究者就无法判断成果究竟来自模型能力，还是来自人类反复筛选后的幸存样本。

**前沿数学中的错误并不会因为文本更长而变得更少。**恰恰相反，推导链条越长，局部错误累积成错误结论的概率越高。因此，评价此类研究不能只展示一段最成功的对话，还应披露总尝试次数、专家修改比例、计算资源和被否决路线。

开发者应该怎样搭建数学研究代理

**一个可靠的数学研究代理应该把“提出想法”和“确认结论”拆成不同阶段。**让同一个模型连续完成猜想、证明和自我评分，容易形成确认偏误；更稳妥的方式是安排相互独立的生成、反驳、计算和形式化环节。

开发者可以把工作流拆成五层：

1. 问题规范层：明确变量范围、允许调用的定理、目标结论和失败条件，避免模型悄悄改变问题。
2. 探索生成层：要求模型并行提出多条路线，并保留失败方向，而不是只输出一份经过润色的答案。
3. 反例搜索层：通过数值计算、边界输入和随机采样，优先寻找能够推翻候选命题的例子。
4. 专家审查层：由领域研究者检查关键引理、文献新颖性和推导中的隐含假设。
5. 形式化验证层：把最关键的局部结论转写到Lean等系统中，由可信内核检查。

**实验记录应该像软件构建日志一样可追踪。**最低限度需要保存模型快照、系统提示、上下文来源、采样参数、推理预算、工具输出、人工编辑位置和最终验证状态。一个适合团队内部使用的记录模板可以是：

problem_id: zeta-exp-001
model_snapshot: [填写精确版本]
research_question: [填写原始问题]
assumptions: [变量范围与已知条件]
tools_used: [数值计算 / CAS / 文献检索 / Lean]
independent_attempts: [尝试次数]
human_interventions: [人工修改记录]
failed_routes: [被否决的路线及原因]
verification_status: conjecture | numerical | expert-reviewed | formalized
artifact_hash: [完整记录的内容哈希]

验证状态必须用分级标签表达，而不能只写“已解决”。“数值上对前100万个样本成立”“经过两名专家审阅”和“通过形式化证明内核”是三种完全不同的证据强度，把它们混在一起会严重误导读者。

对Claude与同行竞争意味着什么

**Anthropic正在把Claude的竞争范围从编程扩展到科学研究。**代码任务之所以最早被大模型攻克，是因为编译器、测试和运行结果能提供快速反馈；数学任务正在走同一条路线，只不过反馈器变成了数值工具、计算机代数系统和形式化证明器。

**数学研究能力比单一榜单成绩更能体现模型的代理化水平。**模型需要拆解长期目标、调用外部工具、保存中间状态、发现失败并回滚，这套能力与复杂软件工程、芯片设计、药物发现和理论物理高度共通。Anthropic展示ζ函数案例，也是在向开发者强调Claude不只是一个问答界面，而是可能进入专业研究工作流的通用代理。

**竞品之间的差距最终不会只由参数规模决定。**谁能提供更稳定的长程推理、更完整的实验溯源、更低成本的并行探索，以及更紧密的形式化工具整合，谁才更可能成为科研团队长期使用的基础设施。

| 能力方向 | 通用聊天模型 | 数学研究型代理 | 理想科研系统 | |---|---|---|---| | 单题推理 | 可以完成 | 可以完成 | 可以完成并复核 | | 开放式探索 | 容易发散 | 可生成候选方向 | 可管理多轮研究计划 | | 数值验证 | 依赖人工 | 可调用工具 | 自动记录精度与误差 | | 文献查重 | 关键词级别 | 可做语义检索 | 能追踪定理谱系与优先权 | | 严格证明 | 自然语言为主 | 可生成证明草图 | 与Lean等系统闭环 | | 可复现性 | 通常较弱 | 取决于实验设计 | 完整保存模型与工具轨迹 |

这项研究值得兴奋，但不能用错评价标准

**Anthropic此次研究最重要的信号，是模型开始触碰“答案并不存在于题库里”的任务。**从会做高难习题到参与前沿数学探索，中间隔着文献判断、实验设计、反例搜索和严格验证等多个环节；Claude现在展示的是进入这条链路的可能性，而不是已经走完了全程。

**这项工作目前更像科研增幅器，而不是数学家的替代品。**它可能把研究者一周的初步探索压缩到一天，也可能在几分钟内生成一份极具迷惑性的错误推导。两种情况可以同时成立，区别取决于是否建立了足够强的验证机制。

**开发者不应把自然语言的自信程度当成数学证据。**对于ζ函数这类高难问题，一份真正有价值的模型输出至少应满足三个条件：关键步骤能够独立复核，相关结论经过充分文献检索，核心引理可以被数值工具或形式化系统验证。

**Claude尚未证明黎曼猜想，但它正在改变人类寻找证明的方式。**如果后续研究能够公开完整轨迹、失败样本、专家审查记录和机器可验证成果，那么这类案例的价值将远高于又一次数学榜单夺冠；反之，如果只有经过挑选的成功片段，它更接近能力展示，而不是可复现的科学证据。

参考来源

• Lean 4 GitHub仓库：Lean定理证明器的官方开源仓库，可用于理解机器可检查证明的底层工具。
• Mathlib 4 GitHub仓库：Lean生态的数学定理库，包含分析、代数与数论等形式化数学基础设施。
• Anthropic研究文章《Learning more about Claude's mathematical capabilities》：本文关于Claude探索黎曼ζ函数及数学研究能力的核心事实来源；根据本文链接域名要求，不附站外链接。