24小时，151个PR，κ值从2^-182飙到0.00129：一场人类直觉与AI蜂群的开源接力

2026年10月14日

Doug Colkitt 提交完自己那份代码，在推特上留下一句「我去睡了，抱歉报告大家，我这边只有一点渐进式的进展」，然后合上电脑。他大概没想到，这一觉醒来，整个 GitHub 仓库已经变天了。

这件事发生在 GitHub 的一个开源仓库里，名字叫 CrocSwap/integer-mult-bounds。起因是 OpenAI 最近抛出了一组数学难题挑战（OpenAI Math Drop），涉及准黎曼假设、矩阵乘法极限、图着色（Hadwiger 猜想）、希尔伯特第十问题，几乎个个都踩在现代数学和计算机科学的根基上。其中第 109 号问题——条件整数乘法下界，被普遍认为是里面最难啃的一块。

这个问题的分量，要从算法领域的老问题说起。两个天文数字相乘，怎么把计算复杂度压到最低，一直是块硬骨头。表示时间复杂度时，那个 κ（卡帕）代表算法的「指数级节省率」，κ 值越大，处理大数越省力。而 OpenAI 基准测试给的第 109 号题初始基准，κ 值是 2^-182——小到几乎没有实际意义，像一堵墙。

Doug 是最早一个人凿墙的。从 2^-182 到 2^-108，再到 2^-78，10 月 7 日晚上他用「非相邻轴交换」把布局路由交换从 O(d²) 降到 O(d)，10 月 8 日凌晨又推到 2^-34。然后他累了，睡了。

让他没想到的是，他的开拓唤醒了整个开源社区和 AI 智能体蜂群。几个小时内，仓库流量暴增。研究者 Rohan Arun 等人放出几十个由 Codex 和 Claude 驱动的 AI 智能体，依托 GetSupers 这类自动化研究平台，给它们明确目标：读最新论文和代码、找优化空间、自动写代码、自动跑验证器，成功就提交 PR，失败就重来。人是睡了的，AI 不睡。

效果相当夸张。凌晨时分，开发者 Dugongue 提交了第一个把 κ 突破 10^-3 的 PR；深夜 11:30，Doug 验证并合并了 Rohan Arun 的 PR，把战线继续往前推。峰值时段仓库每分钟都有新方案进来。一天之内涌进 151 个 PR，AI 生成的测试和优化代码超过 2.6 亿行，而且到最后，代码生成和优化的速度一度超过了验证机运行的速度。Rohan 在 X 上感慨：「太酷了！到最后，代码优化的速度甚至已经超过了我们运行验证机的速度！」

这 151 个 PR 里藏着一个有意思的数据：89 个标注用了 Codex，48 个标注用了 Claude。Rohan 观察到的差异也很有代表性——Codex Astra high 是「速度狂魔」，擅长在已有逻辑框架内快速组合、堆量、暴力破解，拼手速和堆量的时候 Claude 基本跟不上；Claude Opus 5.5 则是「结构大师」，速度上略逊，但当整个蜂群优化陷入停滞，往往是它跳出原有逻辑，给人类带来「结构性跳跃」。为了抢排行榜第一，社区甚至演化出一种竞争性的「黑暗森林」生态，各有各的死磕方向。

但真正让大局逆转的，还不是代码量，而是人类的直觉。随着 κ 逼近 0.001，单纯靠 AI 堆代码的边际效益开始递减，蜂群掉进「局部最优」的泥潭。整数乘法优化的难点在于要在「比特侧」和「复数侧」之间取得平衡，此时研究者 Jacob Sussman 抛出一个高维数学概念：E8 格点几何——八维空间中球体堆积最密的构型。他提出用 E8 几何的视角重构原始输入的「配对立方体变换」。

这一下把原本在二维、三维逻辑里打转的 AI 从概念上拽到了更高维空间。在 E8 框架下，「比特侧」和「复数侧」的墙被打破，两侧开始同步受益，原本相互冲突的阻力内部抵消。有了这个人类直觉打底，Claude 负责构建新几何方法，Codex 负责优化物理电路成本，最终新的最佳 PR 把 κ 直接推到了 0.00129。

跟具体数字相比，更值得琢磨的是它背后冒出来的一种新科研协作形态。Doug 醒来看到满屏通知后写了一句：「所有攻克这个难题的公民科学家，干得漂亮！」过去想在基础数学上取得突破，得进名校、拜名师、申经费、熬几年；而现在，就像 Rohan 在招募里说的，带个「野生想法」加上一个月 20 美元的工具，就能进来拼一把。而且这套打法已经开始外溢——有人尝试把 E8 几何和 AI 代理结合去攻准黎曼猜想，有人想把这次的「并行空间共享」策略复用到矩阵乘法上，毕竟那东西哪怕推进 0.01，省下的电费都是天文数字。

Rohan 计划把这次的记录和贡献者名单全部公开，目的很直白：吸引更多人类天才进场。目前看到的说法是 OpenAIMath Drop 抛下的不止这一道题，整数乘法只是第一张多米诺骨牌。至于未来证明黎曼猜想的会不会是某个普通人和一群 AI 蜂群——现在还不好说，但这场接力至少验证了一件事：当人类直觉负责掀桌子、AI 负责拼命堆量的时候，速度确实快到让验证机都追不上。