七個代理人、零成本：OpenAI Dots 如何打破塵封 47 年的數學紀錄

10 月 3 日，一個自計算尺年代就屹立不搖的覆蓋數（covering number）終於被推動了。一位以「unexcitedneurons」為筆名的獨立研究者，發布了一份通過 Lean 驗證的證明：C(24,14,4) ≥ 20 —— 將先前 19 的下界往上推進一步，而那個舊紀錄可以追溯到 1964 年的 Schönheim 與 1979 年的 Mills。讓這個結果引人矚目的不只是數學本身，而是帳單：0 美元。這份證明由 OpenAI Dots 平台上的七個 AI 代理人合力完成，硬體是研究者口中「AMD Epyc CPU 的 9 核心、10GB 記憶體、32GB 儲存空間」的虛擬機器。

沒人能擺平的樂透問題

覆蓋數的定義很簡單，計算卻極其殘酷。研究者借用 Claude 的說法，把它描述成一場樂透：假設開獎從 24 個數字中播出 4 個，而每張彩券可以選 14 個號碼。你需要買幾張彩券，才能保證無論開出什麼組合，都有一張券完整命中那四個數字？這個最小值就是覆蓋數 C(24,14,4)。數十年來，數學家只能把它夾在上下界之間，始終無法精確定位。舊的下界說至少需要 19 張券；所有可能的四元素開獎組合共有 10,626 種，證明的配套網站甚至提供了一個互動網格，讓你可以親自試試用 19 張券覆蓋全部組合——你辦不到。現在，一份機器驗證的證明告訴你：永遠辦不到。

這個結果並不孤立。覆蓋數會互相餵養，同一套論證也把下一個案例 C(25,15,5) 的下界從 32 推到 34。若證明通過審查，作者指出覆蓋表中還會有更多條目跟著移動：C(26,16,6) 推到 56、C(27,17,7) 推到 89、C(28,18,8) 推到 139。

完成任務的代理人 swarm

相對於結果，運算配置樸素得近乎可笑。Dots 是 OpenAI 近期發布的個人助理產品，給每位使用者一台虛擬機器和一小隊子代理人——含主代理人在內共 7 個 slot，即 6 個子代理人。關鍵在於，每個代理人都能免費、無限量使用 OpenAI 最強的 GPT-6 Astra 模型，推理強度（reasoning effort）可從 low 一路調到 ultra。用研究者自己的話說，他當時只是在等 Codex 用量重置，閒著沒事，決定看看這平台能做出什麼。

真正的亮點在於編排（orchestration）。swarm 被劃分為多種角色：數學研究、Lean 形式化、構造與計算搜尋、對抗式審查（adversarial review）、以及協調。最關鍵的原則是：任何單一代理人的輸出都不被信任。某個代理人提出的證明草稿只被視為「看似合理的論證」，必須先經其他代理人檢查，並翻譯成正式的 Lean 證明，才算數。審查代理人還得額外確認：形式化的 Lean 命題確實描述了一個真正的覆蓋設計，而且中間引理適用的區塊與點和最終定理一致——這是「形式上正確的證明卻證明了錯的東西」的常見失敗模式。

架構本身在跑的過程中還演化了一次。最初的固定角色分配讓多數代理人在等待同事時閒置，而作者的瓶頸不是算力、是代理人數量，於是他把 swarm 遷移到共享任務池（shared task pool）。代理人可以自行提出後續任務；主代理人擔任協調者，檢查範圍、相依性與優先順序後，才把任務釋出讓大家認領。任務池刻意不做成嚴格佇列：代理人可以挑選與自己先前工作相關的任務（即使不在隊首），讓相似的工作留在同一個代理人的暖 KV cache 脈絡裡；但證明開發、獨立審查、形式化與計算檢查則強制落到不同代理人手上。

相信流程，而非代理人

這篇紀錄的「心得」段落，讀起來像一本代理人數學的實戰手冊。作者發現，代理人「很會埋頭苦幹，卻不擅長見好就收」——放著不管，它們會開開心心地花好幾小時，為一個筆電不到一秒就能窮舉驗證的案例尋找優雅論證。解法是加入一個專職暴力搜尋（brute force）角色，政策很簡單：5 分鐘內跑得完的搜尋不用請求許可，更大的搜尋必須先提出更強的化簡或更好的計畫。成功的暴力搜尋結果，還要用 Lean kernel 直接重跑驗證，確保機器檢查的證明不建立在對任何腳本輸出的信任上。

最值得抄下來的一句話是關於知識論的：「驗證才是全部（Verification is the whole game）。」每個代理人都很有自信，而有些是「有自信地錯」。原始 log 裡到處是死路。唯一被信任的是層層疊疊的檢查機制，最底層是那個拒絕接受任何壞論證的 Lean。

對跑長時間代理人 swarm 的人，還有一條實戰教訓：跑到一半，代理人的共享工作區突然被刪除——整個 VM 被平台重置。swarm 沒有崩潰，而是從殘存檔案和彼此的訊息紀錄中重建了遺失的檔案。任何曾因硬碟掛掉而損失一週工作的人，都會對這段心有戚戚。

證明很小，足跡很大

人類可讀的論證與其驗證之間的不對稱，本身就是個訊號。數學證明本身很短——區區幾頁，涉及計數論證、秩論證（rank argument）、剛性設計（rigid design）與 Petersen 圖。相比之下，Lean 形式化版本有 80 個檔案、約 8,800 行。作者坦承沒有全部讀完；也沒有人需要。這正是機器驗證的意義。證明已通過獨立 Lean 驗證登錄庫 Palomar registry 的機械檢查（條目 PALOMAR-2026-10-04-000003），程式碼在 GitHub 上公開，配套網站則把論證拆成八個步驟，附上可動手玩的互動圖形。

該有的謙遜也沒少。作者明言這份結果尚未經同儕審查，並刻意先不上 arXiv，等到 Covering Repository 的數學家（正在協助推動審查）確認後再說。至於那個 swarm——還在跑。反正免費。

為什麼這件事的意義不止於組合數學

這個故事值得抽出兩個更大的訊號。第一，一個不花一毛錢的個人，如今可以編排前沿模型的代理人，進行為期多日的數學研究攻堅，並產出形式驗證過的、對 47 年舊紀錄的推進。對這類問題而言，「有意義的數學紀錄需要機構級算力、大學身分或深厚財力」的時代，實質上已經結束。第二，這裡展示的「驗證優先」工作流——把看似合理的論證降級為猜測，直到獨立代理人與證明核心都點頭——是一個遠超出覆蓋設計的範本。當代理人 swarm 愈來愈便宜、愈來愈強，稀缺資源將不再是智力，而是驗證與品味：知道哪些問題值得攻打，並拒絕信任 swarm 裡任何一個自信的聲音。

作者自嘲地拿 OpenAI 據報動用 10,000 個代理人攻堅 Navier-Stokes 方程的陣仗來比——「差得遠」，他寫道。也許吧。但七個代理人、三天、零美元，外加一個終於倒下的 47 年紀錄，本身就是一座里程碑。