据TechCrunch报道，多家前沿AI实验室近期宣称，其训练的大模型在计算复杂性理论领域取得突破，所生成的论证推翻了长期被视为理论计算机科学基石的指数时间假说（Exponential Time Hypothesis，ETH）。该假说认为，一般性的可满足性问题（SAT）不存在时间复杂度为亚指数级的求解算法，自上世纪九十年代以来一直是算法设计与复杂性分类研究的重要前提。
报道显示，麻省理工学院一位计算机科学家受聘负责对外解释OpenAI此次发现的数学含义。该研究者指出，AI模型给出的并非传统意义上的简短证明，而是一套依赖大规模搜索与构造性论证的推理链条，其结论指向ETH在特定问题族上的不成立。若该结论成立，将意味着此前建立在该假说之上的若干下界结果需要重新审视，涉及近似算法、参数化复杂性等多个研究方向。
需要指出的是，此类宣称在数学与理论计算机科学界通常需要经过严格的形式化验证与同行评审。ETH涉及的是所有可能算法的时间下界，其证伪难度远高于单一问题的算法改进。目前公开信息尚未披露完整的证明文本、验证方式及独立复核结论，学界对该发现的接受程度仍待观察。AI模型在长链条数学推理中出现的跳步、隐含假设与不可复现性问题，也是评审环节需要重点排查的对象。
从行业影响看，这一事件延续了2024年以来AI for Science方向的进展脉络，即大模型从辅助文献检索、假设生成，逐步介入形式化数学与理论推导。此前已有模型在组合数学、材料发现等领域产出被验证的结果，但直接触及计算复杂性理论核心命题尚属首次。对AI基础设施厂商而言，长上下文推理与形式化验证工具链的需求可能随之上升；对数学与算法研究社区而言，如何建立面向AI生成证明的评审标准，将成为接下来一段时间的现实议题。
该发现的最终定性，取决于完整证明能否通过形式化系统检验并获得独立研究者的复现。在此之前，将其视为已确立的数学结论为时尚早。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
