Claude 找到了雅可比猜想的反例——AI 在纯数学中的里程碑Claude（Anthropic 的 LLM）找到了雅可

日期：2026-07-20 主题：Claude 找到了雅可比猜想的反例——AI 在纯数学中的里程碑原文：Claude 找到了雅可比猜想的反例——AI 在纯数学中的里程碑来源：Lobsters 领域：🧠 AI/ML

背景

2026 年 7 月 19 日，数学家 Akhil Mathew 在 X 上发了一条推文，配上一段简洁到令人不安的文本：

"hello there the jacobian conjecture is false thanx to my close friend akhil for asking about it and my other close friend fable for working during the world cup final"

这条推文宣布了一件事：Anthropic 的 Claude Fable（最新一代模型）找到了雅可比猜想——一个已在数学界屹立 85 年之久的未解难题——的反例。推文发出后不到 24 小时，Hacker News 和 Lobsters 上就炸开了锅：有人兴奋，有人怀疑，有人把反例喂给 GPT-5.6 Sol 验证，得到的回复是——"这看起来的确是一个显式反例"。

但更引人深思的或许不是这个反例本身，而是它被发现的途径——不是某位数学家耗费数年心血的手工构造，不是大型计算机集群的暴力搜索，而是一个大型语言模型在与人对话的过程中产出的结果。

雅可比猜想：一个 85 年的未解难题

雅可比猜想（Jacobian Conjecture）是代数几何领域的一个核心未解决问题，由数学家 Ott-Heinrich Keller 在 1939 年提出。要理解它，我们需要先回顾一点微积分的基础知识。

多元函数的 Jacobi 行列式

对于一个从 n 维空间到 n 维空间的映射 $F: \mathbb{C}^n \to \mathbb{C}^n$ ，可以将其写为 n 个多元函数构成的方程组：

$F(x_1, ..., x_n) = (f_1(x_1,...,x_n), ..., f_n(x_1,...,x_n))$

这个映射的 Jacobi 矩阵是一个 $n \times n$ 的矩阵，其第 $(i, j)$ 个元素是 $\partial f_i / \partial x_j$ 。Jacobi 行列式就是这个矩阵的行列式。直观地说，它衡量的是映射在每一点处的局部"伸缩"程度——行列式不为零意味着映射在这一点是局部可逆的。

雅可比猜想提出的问题极其自然：如果 $F$ 是一个多项式映射（即每个 $f_i$ 都是多项式），并且它的 Jacobi 行列式是一个非零常数（处处不为零），那么 $F$ 是否一定存在一个多项式形式的逆映射？

换句话说：局部可逆性（Jacobi 行列式恒不为零）是否蕴含全局可逆性（存在多项式逆映射）？

为什么这个猜想如此棘手？

对于单变量情况（ $n=1$ ），结论是显然成立的：一个单变量多项式如果导数恒不为零，那它只能是线性的，当然存在多项式逆。

对于 $n=2$ 的情况，数学家们花费了数十年也未能完全解决。Stuart Sui-Sheng Wang 在 1980 年证明了当多项式次数不超过某个界限时可以找到反例，但一般情况仍然悬而未决。

这个猜想之所以"臭名昭著"，维基百科上有一段精辟的描述：

"雅可比猜想以大量已发表和未发表的、后来被发现包含微妙错误的证明而闻名。"

无数数学家在这上面倾注了心血，其中包括后来以孪生素数猜想闻名的张益唐。他曾在导师莫宗坚指导下花费七年时间试图证明雅可比猜想，最终"惨败"，没有发表任何代数几何方面的论文就离开了普渡大学。这段经历被《纽约客》的长篇报道记录了下来，也被 HN 上的评论者重新提起，作为一种辛酸的注脚。

反例的诞生：Claude Fable 做了什么？

原始推文

数学家 Akhil Mathew（Twitter/X 账号 @alpoge）发布的反例涉及从 $\mathbb{C}^3$ 到 $\mathbb{C}^3$ 的多项式映射：

F(x, y, z) = (P_1, P_2, P_3)

其中：

\begin{aligned} P_1 &= (1+xy)^3 z + y^2 (1+xy) (4+3xy) \\ P_2 &= y + 3x(1+xy)^2 z + 3xy^2 (4+3xy) \\ P_3 &= 2x - 3x^2 y - x^3 z \end{aligned}

这个映射的 Jacobi 行列式经计算为常数 $-2$ （恒不为零），但映射本身不是全局单射的：至少有三个不同的输入点映射到了同一个输出点 $(-1/4, 0, 0)$ 。这三个点分别是：

$(0, 0, -1/4)$
$(1, -3/2, 13/2)$
$(-1, 3/2, 13/2)$

由于同一个输出对应了多个不同的输入，这个映射不可能存在逆映射——雅可比猜想的一个反例就此诞生。

Claude 是如何"找到"它的？

遗憾的是，我们无法看到 Claude Fable 与 Akhil Mathew 之间的完整对话。原帖只给出了最终结果，没有输出推理轨迹。这正是许多评论者最关心的问题：

是暴力搜索吗？ Claude 是否在某种参数化多项式族（比如限制最高次数为 7 的特定形式）中进行了枚举搜索？
是类比推理吗？ Claude 是否从已知的近反例或相关的代数几何理论中受到了启发？
是"碰巧"吗？ 正如有人在 HN 上指出的，这个反例的多项式最高次数仅为 7——"一个 1997 年的研究生用三天的计算机搜索就能找到"——但 85 年来确实没有人去做这个搜索。

一位自称为数学家的 HN 用户 "koito17" 分享了一个有趣的背景故事：

"大约十年前，我遇到一位博士后，他相信自己已经接近雅可比猜想的反例。他和另外一个人正在暴力搜索大约 16 个变量的多项式，每个多项式 80 到 700 项，用二叉树来映射系数。他们当时猜测，一个反例中多项式的最高次数下界可能达到 200。

现在知道 Claude Fable 在次数仅为 7 的时候就找到了反例，这简直不可思议。我们确实进入了一个新时代。"

独立验证

消息传出后，社区迅速行动了起来。有人将反例输入 GPT-5.6 Sol 进行验证，得到的回复是：

"就目前所写的内容看，这是一个雅可比猜想的显式反例。我用精确符号代数检查了它。我在这段内容中没有发现代数层面的问题。"

更多反例很快被陆续发现——包括 $\mathbb{C}^4$ 版本以及其他变形。这些结果被社区迅速共享、交叉验证，形成了一波"发现—验证—再发现"的快速迭代。

更深层的影响

Dixmier 猜想和 Poisson 猜想的连带瓦解

一个值得注意的连锁反应是：由于这些猜想在数学上已被证明是等价的，雅可比猜想一旦被推翻，与之等价的 Dixmier 猜想（关于 Weyl 代数自同构）和 Poisson 猜想 也一并倒下了。HN 用户 "mdurana" 和 "civilchaos" 都指出了这一点。

这意味着一颗"石子"的落下引发了三座大厦的共鸣——一个反例推翻了三个猜想，这在纯数学中并不多见。

AI 在数学研究中的新角色

这场讨论中一个反复出现的主题是：AI（尤其是 LLM）在数学研究中的定位正在发生根本性变化。

持乐观态度的观点认为，LLM 能够覆盖"难度不大但需要耐心搜索和组合"的问题空间。HN 用户 "tekacs" 一针见血地指出：

"这个反例如此之小……这很好地说明了很多有趣结果的发现方式不会是它们有多难，而是因为智能没有规模化，在计算机能做这件事之前，认真钻研这类问题的人太少了。"

换言之，数学领域中可能存在一个"智力无人区"——问题本身不需要特别高深的技巧，但需要足够的耐心、精力和系统性思维来探索。传统的数学研究模式中，这些区域要么被忽视，要么被认为"不值得"投入时间。LLM 正好填补了这个空白。

另一方面的声音则更加审慎。一些数学家表达了一种存在性的不安：

"作为一名数学家，我们这一行确实有点完了。任何在当前方法和数学基础设施范围内可触及的东西，可能都会在今天的前沿模型面前倒下……我们会走向一个由少数"神谕的解读人"来'做'数学的世界。"

这种担忧并非没有道理。但或许更平衡的视角是：LLM 不是来替代数学家的，而是来放大数学家的。 就像计算器没有让数学消亡一样，AI 辅助发现也会成为工具箱中的又一件利器。

一个关于数学发现模式的开放问题

这次事件还揭示了一个有趣的"元问题"：反例是通过 Anthropic 的闭源模型 Claude Fable 发现的，而发现过程——那可能比结果更有价值的推理轨迹——被锁在了 Anthropic 的推理摘要之后。

正如 HN 用户 "vslira" 所感叹的：

"如果有任何新颖的搜索技术被这个模型在这个过程中发现，它可能被锁在了 Anthropic 的推理摘要背后。"

这引发了一个更深层的问题：当 AI 辅助数学发现成为常态，我们是否需要重新思考数学研究的"开放性"？如果最有趣的发现来自看不见的推理路径，那"发表"这一概念本身是否也需要演变——从发表结果，到发表提示词和推理轨迹？

总结与展望

2026 年 7 月，一个 85 岁的数学猜想以一种出人意料的方式被推翻：不是在学术期刊上，而是在一条推文中；不是经过数年苦思，而是在一场世界杯决赛的陪伴下通过与 AI 的对话完成。

这个反例本身的数学结构——多项式次数仅为 7——让许多数学家既惊讶又遗憾。惊讶的是它竟然如此简单；遗憾的是，85 年来没有人想到去那里找。这也恰恰是 LLM 在数学领域最令人期待的前景：不是取代天才，而是消除盲区。

如果说 AlphaFold 改变了生物学的研究范式，那么 Claude 对雅可比猜想的这一击，或许正预示着 AI 在纯数学——这个被认为最难自动化的智力活动之一——中的角色正在迎来拐点。数学的下一章，将由人类和 AI 共同书写。