23岁业余爱好者用一次ChatGPT提示，80分钟破解60年Erdős数学难题

“真人一元一分红中麻将群”_真人一元一分红中麻将群揭阳论坛的讨论中，一个被反复提及的点是用户决策路径的变化。

对内容站点的影响已在显现。短期内，更多SEO从业者会尝试用AI辅助niche话题挖掘，一个下午就能验证几个方向，流量可能逐步向“AI生成+人工精炼”的混合模式倾斜。长期看，内容壁垒正从单纯的专业知识储备，转向高质量提示、严格验证与个人独特视角的结合。普通创作者若不跟进，容易被边缘化；反之，即使背景有限，也能贡献有竞争力的文章。当然，这一点目前行业内仍有不同声音，AI模型进步速度和幻觉问题都会影响实际落地。

然而，表面兴奋之下存在明显盲区。Lichtman明确指出，ChatGPT的原始证明输出质量其实相当差，需要专家仔细梳理才能理解其意图。他与Terence Tao后续对内容进行了大幅精炼和缩短，才提炼出核心洞见。AI提供了关键的思路跳跃，但最终严谨、可验证的形式化证明，仍高度依赖人类专家的打磨与验证。目前该证明已在Lean系统中通过，却并非完全自主生成。

深层观察，这次事件的关键不在于AI独自完成证明，而在于它以“vibe mathing”的方式生成新鲜思路。Liam Price的提示极为朴素，没有前期文献调研或复杂引导，模型却将数论中广为人知的工具首次有效应用于此具体问题。人类数学家多年来受思维定势影响，倾向于某种自然却遮蔽选项的框架；AI则不受这些先入之见束缚，保留纯分析路径并利用von Mangoldt权重化解难点。

岁业余爱好者Liam Price没有高等数学背景，却在一个普通周一下午用单次简单提示让GPT-5.4 Pro思考约80分钟，就为困扰数学家60年的Erdős Problem 1196提供了关键突破。这个关于原始集（primitive sets）中大整数部分1/(a log a)求和渐近上界的猜想，长期以来被视为一类“簇集”问题的代表。

短期来看，这一事件很可能激发更多业余爱好者和研究者尝试vibe math，将开放问题扔给ChatGPT以获取新鲜思路。erdosproblems.com网站上类似实验已在增加，有人开始结合Lean形式化验证AI输出。人类把关环节依然关键——再有洞见的原始证明，也需专家sift和打磨，才能成为严谨成果。数据支持这个方向，但样本量仍有限，值得持续跟踪。

长远来看，这样的AI+人类协作模式可能降低高端数学研究的入门门槛，让更多业余爱好者参与其中，但不确定性依然存在：如果AI输出始终需要顶尖专家“筛洞见”，它究竟是加速了发现节奏，还是只是改变了节奏？Erdős问题网站的状态更新和Lean形式化验证已在进行，值得持续跟踪这一新范式在整数结构相关领域的潜在影响。

这里存在不确定性——如果这类证明持续被Lean等形式化工具可靠验证，数学教育或将转向提示工程加人类验证的混合模式，否则影响可能仍限于少数实践者。

这个过程被Price和社区称为“vibe math”——凭直觉式提示反复试错，让模型自由探索不同数学分支的已知工具，再由人类筛查精炼。Price本人甚至没有深入背景知识，只是闲散地将问题丢给GPT-5.4 Pro，结果模型吐出一个看似靠谱的框架，后续经Lichtman等人打磨成更简洁的形式。相比AlphaGo的Move 37，这一步同样开辟了新路径：不是优化现有招式，而是打破人类因习惯而形成的认知壁垒。

然而，这种表面叙事往往停留在惊叹AI计算力的层面，较少触及方法本身的突破性：AI并未简单复述人类路径，而是绕开了长期存在的思维定势。

Erdős原始集指的是正整数集合，其中任意两个不同元素互不整除，类似于素数的推广。埃尔德什为这类集合定义了一个“分数”——对集合中每个数n求1/(n log n)的和，并猜想当集合仅由足够大的数构成时，这个和会趋近于某个特定界限。Jared Lichtman曾花七年时间推进相关上界证明，但更精细的渐近行为仍悬而未决。

在稳到离谱的应用场景中，SEO资讯站观察到明显的马太效应。