AI 接连推翻百年数学猜想，但缺乏发明新理论的能力，世界模型或成关键

7 月 29 日，三位美国数学家在 arXiv 上传论文《麦克斯韦猜想是错的》，构造反例推翻这一物理学经典猜想。致谢显示，核心思路来自 GPT-5.6 Sol。他们构建了“五电荷三角双锥体”，找到至少 24 个非退化平衡点，远超猜想设定的 16 个上限。

更早的 7 月 20 日，Anthropic 一位数论学家宣布借助 Claude Fable 5 推翻雅可比猜想，陶哲轩随后用 ChatGPT 跟进并公开验证过程。7 月 24 日，他在国际数学家大会上警示数学界正从“证明稀缺”进入“证明过剩”的时代。

在 AI 辅助科学发现的浪潮中，谷歌 DeepMind 研究员、AlphaProof 核心开发者 Tom Zahavy 于 2026 年 1 月撰写的立场论文《大语言模型无法跳跃》被广泛传播。他借用皮尔士的三分法，将推理分为演绎、归纳和溯因，并指出溯因是唯一能生成新前提的推理方式，也是大模型目前的短板。

他以爱因斯坦 1907 年想象自由落体提出等效原理为例，说明这种“具身模拟”依赖身体感觉，而大语言模型如同“高维中文屋”，只能处理物理语言，缺乏对物理对象的感受通道。因此，他认为 AI 需要构建物理一致的世界模型，才能实现“跳跃”。

以麦克斯韦猜想证伪为例，AI 提出了基于既有框架的几何构型，但并未发明新理论或质疑假设体系，因此按 Zahavy 的分类仍属于演绎范畴的高效探索。然而，AI 的建议是数学界 150 年未尝试的方向，不能简单归结为符号搜索。

Zahavy 本人也承认，归纳、演绎与溯因在实践中交织。他回应称，自己的文章并非宣称“LLM 是死路”，而是探讨 AI 达到爱因斯坦式发现还缺什么。

Google DeepMind 主席哈萨比斯提出的“爱因斯坦测试”显示，今天的系统无法在限定知识下独立推出广义相对论。Zahavy 的论文提出世界模型等“具身模拟”方案作为解法。

围绕 sim-real gap，存在三条路径：机器人提供真实物理经验，世界模型提供高保真数字模拟，AlphaEvolve 则用进化式代码生成绕过“物理直觉”。三条路径正在收束：机器人路线用世界模型作为训练环境，进化式搜索也用世界模型代替线下实验。