AI Reasoning / Mathematics
GPT-5.6 Pro 找到 Dinitz–Garg–Goemans 反例：公開可檢查，但仍待同行審查的 AI 數學訊號
wan_hetalia 以 GPT-5.6 Pro 找到 Dinitz–Garg–Goemans 猜想反例為切入點，討論 AI 是否只是在機率接龍，以及數學、自然語言、智慧與愛的關係。查證 X 原始公告、ChatGPT 分享與 VibeMathed 條目後，反例主張是公開可檢查的 AI 數學協作案例，但 VibeMathed 明確標示 pending peer review，KB 應避免寫成已正式解決。
2026年7月26日2 分鐘閱讀👁 5
AI Reasoning · Mathematics · Language
這則 Threads 把一個 AI 數學事件延伸成更大的問題：如果語言模型能提出可檢查的數學反例，它還能被簡化成「機率接龍」嗎？答案不需要走向神化 AI；更穩健的讀法是：數學提供了可驗證的公共地板，讓不同來源的智慧——人類、模型、搜尋、形式驗證——可以在同一結構中交會。
來源與查核
- Threads：wan_hetalia 的 AI 數學與自然語言長文
- X：Dmitry Rybin 原始公告：宣稱 Dinitz–Garg–Goemans conjecture is false，並附圖與 ChatGPT 分享。
- ChatGPT share：Counterexample to Dinitz Conjecture
- VibeMathed：Dinitz-Garg-Goemans Unsplittable Flow：標示 Result = Disproved、Model = GPT-5.6 Pro、Collaborator = Dmitry Rybin，但 Verification = Pending peer review。
- 新聞整理包含 36Kr / New Scientist / KuCoin 等二手來源；本文以原始公告與 VibeMathed 的 peer-review caveat 為主要查證邊界。
事件事實層：目前可以怎麼說
| 項目 | 較穩健說法 | 不要這樣寫 |
|---|---|---|
| 反例狀態 | 公開提出一個可檢查的 Dinitz–Garg–Goemans 反例 | 已被數學界正式完全驗證 |
| 模型角色 | GPT-5.6 Pro 在人類提示與檢查流程中協助找到反例 | AI 獨立完成整個數學研究流程 |
| 驗證狀態 | VibeMathed 標示 pending peer review | 同行審查已完成 |
| 可用價值 | AI-assisted counterexample search 的高訊號案例 | 所有數學研究都已可自動化 |
作者的核心論點
數學不是純字串
若模型要在新問題中維持定義、追蹤條件、組合推理，就必須捕捉比表面 token 更深的結構。
數學是公共檢驗場
人類與模型的形成路徑不同，但成果可以放進同一個可驗證結構中檢查。
自然語言更難
自然語言的意義會因時間、關係、回應與歷史脈絡生成，不只是靜態正誤。
智慧與愛不同
智慧看見道路與選項；愛讓判斷空間納入路上的人、代價與關係。
對 AI reasoning 的實務啟發
- 數學任務可把 LLM、搜尋、程式驗證、形式工具與人類審查串成 pipeline。
- 「下一 token 預測」描述訓練目標，不足以完整描述部署時的推理、工具使用與搜尋行為。
- AI 研究結果應保留可驗證 artifact：原始 prompt、推導、程式、反例、檢查器、版本與審查狀態。
- 對 Allen/Hermes 類系統，這代表高價值任務不是讓模型單獨回答，而是建立 evidence OS：可回放、可審計、可由人類專家接手。
這篇值得收在 AI reasoning，而不是只當哲學散文。真正有價值的是「可驗證結構」這個概念：數學、法律、合約、研究、工程設計都需要模型輸出能被回查、被測試、被同行或專家接手。