OpenAI 撤回 3 份數學手稿：AI 答得漂亮，誰替證據把關？

AI 可以很快寫出一段令人驚豔的推理。但「讀起來像證明」與「證明真的成立」，中間還隔著什麼？最近的 AI 數學成果，讓這個問題變得非常具體。

先講結論：別拿產出數量代替證據，也別把一份撤回紀錄，當成所有 AI 研究都沒有價值。 值得學會的是分辨：模型提出了什麼、哪些部分接受過檢查、還有哪些判斷必須交給人。

撤回 3 份，是一個需要讀懂的訊號

OpenAI 在 2026 年 10 月 6 日公布內部模型產出的數學研究材料。10 月 7 日，作者的修訂紀錄記載：一項符號錯誤使一段論證失效，也影響兩份相依手稿，因此撤回 3 份。這不是本文獨立證明其對錯，而是作者已公開的修訂事實。官方公告、作者修訂歷史

10 月 8 日查核時，目錄列 719 份手稿、372 個成果族；作者明說它們處於不同驗證階段，未全部附形式化證明。成果族會集合相關論證或結果，不能簡單換算成同數量、互不相關的新定理。作者資料庫說明

真正有用的讀法，不是看到「撤回」就把所有成果劃掉，也不是看到「數百份」就宣布每一份都已獲確認。把版本變動、證據範圍與結論放在一起，才能知道自己究竟在相信什麼。

看 AI 成果，先分開這三層

以下是本文提出的閱讀框架，不是研究社群的標準能力分級。

三層不是互相替代。文章很完整，仍可能有漏洞；機械檢查通過，也不自動回答「這個命題是不是我真正想問的問題」。把不同工作都塞進「已驗證」三個字，讀者反而會失去最重要的資訊。

Lean 不是讓 AI 更有自信，而是讓推理可被檢查

Lean 可以將數學命題與證明寫成明確的形式。它的型別系統讓證明項能接受獨立機械檢查，這與要求模型把答案再講一次不同：檢查要依規則與具體材料進行，不是看語氣是否堅定。Lean 型別系統文件

不過，可信任的範圍必須說清楚。讀者應看清被證明的命題、採用的前提以及相依。Lean 官方也提醒應審查公理相依；拿尚未完成的缺步當成證明，並不能提供同樣的可信度。這是一般驗證原則，不是指控本次資料庫某個成果有此問題。Lean 公理與相依文件

對一般使用者來說，可以先記住一句話：形式化驗證支持的是明確條件下的特定主張，不是整個模型所有回答的品質保證。 它很有價值，正因為它把「我相信」變成「哪些材料可以檢查」。

約 42%，不是 AI 的通用正確率

作者修訂紀錄列出，當時 300／719、約 42% 的頂層結果已形式化。這個數字描述該集合的形式化進度，不是模型回答任何問題的正確率；剩下的部分也不能一概判為錯誤。作者修訂歷史

若把它解讀成「AI 只有四成會算對」，就把進度指標錯當品質測驗。反過來說，形式化比例提高，也不代表任何人都能用已公開產品、同樣時間或算力重現全部成果。本文沒有進行這種實驗，也不提供這種保證。

一個小例子：算對，不代表回答了你要的問題

以下是虛構教學情境，與本次數學研究的撤回原因無關。

假設你問 AI：「打九折，再打九折，總共省多少？」它算出 0.9 × 0.9 = 0.81。這個算式沒有問題，但只有在兩次折扣都依序作用於同一價格、且沒有其他限制時，才能得到省下 19% 的結論。

如果實際規則是第二次折扣只適用部分項目，算式本身仍可能正確，卻不再是原問題的完整答案。你真正需要檢查的，不只是乘法，也包括「題目被轉成哪個算式」。

這不是在貶低驗算，而是提醒我們：先確認問題，再檢查推理，最後確認結論的適用範圍。 把一段局部正確的計算直接推成整件事成立，是日常使用 AI 時很容易出現的誤判。

四個追問，比「你確定嗎」更有用

這四問是本文的實用建議，不是保證零錯誤的流程。

1. 到底證明哪一句？ 把主張寫成可核對的句子，不讓摘要與標題偷偷變大。
2. 用了哪些假設？ 找出省略的前提、資料範圍與相依，不只看最後答案。
3. 檢查能否重跑？ 是否有材料、步驟與版本，而不是只貼一張成功畫面？
4. 改版後還剩哪些結論？ 原論證修正或撤回時，有沒有同時檢查建立在它上面的主張？

不懂每個專業領域，不等於只能相信口才。即使無法親自重現艱深證明，也能要求清楚標示驗證層次；如果材料不足，就把結論保留在「待確認」，而不是用語氣替它補上證書。

讓 AI 快一點，也讓證據更容易追

AI 能加速產出，是值得期待的能力。本文的判斷是，越容易產生大量成果，越需要讓讀者知道哪一份、哪個版本、哪句主張接受了什麼檢查。速度與可追溯性不必互相抵銷；真正該拒絕的是拿速度，跳過證據。

下次看到 AI 提出漂亮答案，別只問它「確定嗎」。先問：你要我相信的，是哪一句？證據在哪一層？

作者：奧微軟體 AugurSoft。查核日期：2026-10-08。本文為獨立 AI 知識解析，沒有商業服務推銷；未重現數學證明或廠商內部模型，不宣稱全部成果、新穎性或同行評審狀態已獲獨立確認。