专题 · FULL STORY

纳维-斯托克斯证明功劳之争：智能体贡献遭澄清

AI 攻克纳维-斯托克斯千禧年难题的消息传出后，智能体集群在证明中的实际贡献度引发研究社群激烈争论。随着 Noam Brown 原始引文被贴出澄清多智能体贡献不足 10%，争议焦点转向对 AI 与人类分工的重新审视。

2026-09-18 ~ 2026-09-19 · 2 集 · 14 条

第 1 集 · 纳维-斯托克斯证明之争：agent 集群贡献度几何(2026-09-18,11 条)

一场围绕「AI 发现 Navier-Stokes 数学证明」中智能体集群贡献度的技术争论在研究社群展开，焦点是 OpenAI 研究者 Noam Brown 的一句判断：agent 集群（swarm）组件对该发现的贡献可能仅约 10%。

已确认

  • Elie Bakouch 转述了与 Noam Brown 交流的细节：Brown 认为 agent 集群在 Navier-Stokes 类发现中的实际贡献很低，更正后的表述为「贡献可能仅约 10%」。
  • Bakouch 另引数据称，随 agent 数量增加，同等预算下并行 test-time scaling 的效率低于串行扩展且延迟更高；他强调这只是 1→5 个 agent 的数据，不能外推到 1→1 万。
  • 反方 scaling01、ChaseBrowe32432 等提出反驳：该证明若没有将并行 TTC 扩展到 10,000 个智能体，根本不会出现。即使假设单个串行 agent 效率比 swarm 高 100 倍，也需约一年时间才能生成完成证明所需的 token 量。
  • scaling01 还从争议图表中提取数据：内部模型每翻倍算力增益约 0.17 logits，Astra 带来约 0.18 logits/翻倍，即并行扩展的贡献约为换新模型的两倍；他指出图中横轴仅约 30 倍算力差异，却被对方用来论证「一代模型升级收益大于一万倍并行算力」。
  • ChaseBrowe32432 据此推演模型代际进步：再过一代模型，约 16 个子 agent 跑 88 小时可解决 NS 相关基准问题；再过两代，单个 agent 在 88 小时内即可胜任。

尚未确认

  • 「集群贡献约 10%」只是 Brown 的个人估计，反方的 token 生成时间与 logits 测算也均属自行推演，双方均未提供完整原始数据，尚无权威结论。

为什么重要

  • 这场争论直指测试时计算 scaling 的核心问题：串行深化与并行扩展哪条路线更划算。若并行万级 agent 真是关键，则大规模 agent 集群是当下通往重大科学发现的可行路径；若模型代际升级更高效，资源应投向基础模型迭代。结论将影响实验室的算力分配策略。

第 2 集 · Noam 澄清：多智能体对千禧年难题贡献不足 10%(2026-09-19,3 条)

围绕「AI 求解纳维-斯托克斯千禧年大奖难题」的功劳归属，X 上出现争论。eliebakouch 贴出 Noam 的原始引文澄清：攻克该问题的努力并非源于多智能体，他甚至不会把 10% 的功劳归给多智能体，比此前流传版本更明确地否定多智能体的作用。这场争论聚焦于 AI 数学突破应归功于何种技术路线。