OpenAI与Anthropic推翻指数时间假设：AI重塑理论计算机科学

type

status

date

slug

summary

什么是指数时间假设（ETH）？为何它的动摇如此关键？

在计算复杂性理论中，3-SAT（三合取范式可满足性问题）是著名的NP完全问题代表。简而言之，问题要求为一组布尔变量寻找真假赋值，使得所有约束子句同时成立。传统观点认为，暴力破解需要 $2^n$ 级别的尝试，而指数时间假设（ETH）由数学家 Russell Impagliazzo 与 Ramamohan Paturi 于 1999 年提出，它明确猜想：解决 3-SAT 问题在最坏情况下不存在 $2^{o(n)}$ 的次指数时间算法。

ETH 是比“P≠NP”更强的条件假设。长久以来，理论计算机科学家们以 ETH 为基石，推导出了海量算法下界，证明了众多经典的NP难问题不可能在次指数时间内得到精确求解。如今该假设被证明不成立，标志着人类对计算复杂度边界的认知正在被人工智能技术重新改写。

OpenAI的突破：次指数时间计数与多项式空间占用

OpenAI 团队利用其最新的前沿推理大模型，找到了一种能够在次指数时间内精确计算逻辑公式解数量（#SAT）的新型算法，并且令人惊叹的是，该算法仅需多项式级别的内存空间。

在具体参数表现上： * 对于变量数为 $n$、约束数为 $m$ 的一般情况，其时间复杂度严格跨入了次指数界限，而内存占用仅以 $(n+m)^{O_k(1)}$ 的多项式级增长，彻底打破了传统算法需要指数级中间存储空间的壁垒。 * 在稀疏约束的特定场景下，该算法进一步优化了时间界。 * OpenAI 目前已通过交互式定理证明器 Lean 完成了数学形式化验证，并邀请了原 ETH 提出者 Russell Impagliazzo 等顶尖数学家参与审查与后续研究，相关原始数据与推导过程均已公开。

这一突破展示了以 openai 驱动的技术栈正在超越常规辅助编码范畴，深入到纯数学理论的最底层。

Anthropic的独立演进：内部Claude模型的自主发现

与 OpenAI 几乎在同一时刻，Anthropic 也发布了结构极为相似但推导独立的成果。Anthropic 明确指出，推翻 ETH 的核心算法思路完全由其内部前沿 claude 模型自主发现，人类研究员仅在算法表达规范化与论文呈现方面给予了辅助。

Anthropic 的研究同样聚焦于固定参数下的精确计数，给出了双重约束评估下的次指数时间上界。在固定约束参数下，两个团队得出的时间复杂度主界形式高度吻合。两大顶级团队在互不知情的情况下利用不同架构的 LLM 独立导出高度一致的数学结论，极大增强了这一突破的理论可信度。对于关注 AGI 演进趋势的研究者而言，这种双重印证体现了顶尖大模型在形式化逻辑推理上的惊人泛化能力。

数学共同体的反响与严谨审查

尽管双双给出了 Lean 形式化证明，学术界依然保持着极高的严谨性。受邀参与验证的数学家们发表联合声明指出，他们的跟进参与不应直接等同于对最终结论的背书，任何对基础理论产生颠覆性冲击的结果都必须经过同行评审的反复重构、推演与严格质疑。

同时，学者们也呼吁学术界正视科研范式的剧烈变革：从前需要数十年灵感积累的理论突破，正被 AI 大模型以全新的形式化搜索与模式识别范式加速攻破。如何与 AI 协同开辟全新的数学研究方向，已成为全球学者必须面对的课题。

结语：科研新范式的到来与行业启示

OpenAI 与 Anthropic 对指数时间假设的挑战，标志着 chatGPT 等前沿大模型的技术应用正式跨越了从工程落地到纯理论探索的鸿沟。无论是底层数学逻辑的重塑，还是依托高质量提示词（Prompt）进行深度推理的实践，这股由 AI 掀起的知识风暴都在重构一切传统认知。

想要深入了解大模型推理机制、获取更多关于大模型技术解析与 AI日报，敬请访问权威的 AI门户，随时掌握生成式人工智能与 AI变现浪潮下的最新脉动。