研究 2026-08-10

两个来自竞争实验室的AI模型被问了同一道悬了25年的工程难题，都交出了证明——而且是两份不同的证明

微软研究院首席研究员 Dimitris Papailiopoulos 分别向 GPT-5.6 和 Anthropic 的 Fable 5 提出了一个来自无线通信的公开问题。这个问题始于2000年代初，关乎 MIMO 检测：发射端通过一条收发各 N 根天线的信道发出 N 个比特，信道把它们混叠在一起并加上噪声，接收端必须把每一个比特原样还原。以最优方式做到这件事是 NP 难的。自2000年代起人们就知道，当信噪比达到约 2 log N 时，精确还原在统计意义上成为可能——但能达到这一门限的唯一方法是穷举搜索。2001年提出的球形译码曾被视为快速替代方案，2005年被证明并未弥合这一差距。两个模型都给出了完整证明，说明存在多项式时间算法能达到同一门限，而且它们各自选了不同的算法：GPT-5.6 用近似消息传递（AMP），Fable 5 用带符号 LMMSE 加贪心比特翻转——后者是工业界早已在用、却从未被严格证明有效的方法。Papailiopoulos 说第一份证明大约花了三十分钟，之后他又用五到七天与模型一起简化论证与表述，并已由自己从头到尾核验过一遍。目前尚无论文，也未经同行评审，因此这应被视为一位研究者已核验的主张，而非定论。

为什么重要?有意思的不是模型给出了证明——今年这样的事已发生数次。有意思的是，来自互相竞争的实验室的两个模型，在各自独立收到同一个问题后，沿不同路径都得到了正确答案。一个选了理论上时髦的算法，另一个选了工业界早在跑、数学界却从未认可的粗糙算法。这更接近一个学科真正打破僵局的方式，而不像一次运气好的输出，也让「它只是背下了答案」的解释更难站住脚。实际意义同样真实。你在人多的地方手机还能有可用速度，靠的就是 MIMO；而被 Fable 5 证明有效的那个算法，本就跑在真实硬件里，如今它有了保证，而不只是「看上去管用」的观察。需要提醒的地方和所有这类结果一样：这里的验证是一位专家的仔细阅读，不是期刊评审。在正式文本公开、其他人逐行走过之前，这是一个有力的主张，而不是一桩已经结案的事。

#科学研究

✓ 已核实 · 3个来源

在App中阅读——免费，9种语言

两个来自竞争实验室的AI模型被问了同一道悬了25年的工程难题，都交出了证明——而且是两份不同的证明

相关新闻