OpenAI数学论文宣称更快傅里叶变换 算法专家批驳

# OpenAI数学论文宣称更快傅里叶变换 算法专家批驳 **时间**：2026年10月13日（Argmin 博客发布） **地点**：美国（OpenAI 数学团队、argmin.net 博客） **人物**：Ben Recht（加州大学伯克利分校教授、Argmin 博客主笔）、OpenAI 数学团队、James Cooley、John Tukey（FFT 发明者，1965） **事件详情**： 著名机器学习与控制理论学者、加州大学伯克利分校教授 Ben Recht 10 月 13 日在个人技术专栏 Argmin 发表长文《Faster Fourier Transforms》，公开质疑 OpenAI 最近在数学论文仓库中发布的「比 FFT 更快」傅里叶变换算法的真实价值，评价该论文为**「a malicious exploit」（恶意利用）**而非真正的算法突破。 事件起源于 OpenAI 上周一次性向学界公开 372 份 AI 生成的数学论文（部分触及 BSD 猜想、Hodge 猜想等重大公开问题），其中一篇「main.pdf」声称自己提出的离散傅里叶变换（DFT）新算法，其渐近复杂度中的 log(n) 系数**「略小」**于 Cooley-Tukey FFT 的经典 5·log2(n) 系数——也就是说在 n 达到 1 万亿级别时，理论上有可能比传统 FFT 快一点点。 Recht 的核心质疑有三点： 1. **审稿责任归零**：「Did I read this paper? Of course not. No one at OpenAI read this paper either, so why should I?」（这篇论文我读了没？当然没。OpenAI 内部也没人读，那我为什么要读？）——他直指 OpenAI 这批论文的最大问题是**「没人真读、真审、真负责」**，把传统学术体系的同行评审成本全部外包给下游读者和「信息检索 + 大模型反刍」（他戏称「把 AI 数学喂回 AI 大模型」）。 2. **「小常数优化」并非真正的复杂度突破**：FFT 自 1965 年 Cooley-Tukey 发明以来一直存在一个 5·log2(n) 的常数因子（理论下限是 n），许多研究者尝试过降低这个常数——Recht 指出，OpenAI 的「微小 log 系数改进」在大多数实际场景里**根本无法被检测到**，而且它依赖的「对输入数据的强假设」并不普遍成立。 3. **「AI 数学泡沫」外溢风险**：他把 OpenAI 这批论文定性为**「AI slop mathematics」（AI 数学泡沫）**——形式上像论文，实质上是把已知结果的微小变体重排后灌给学界，而学界同行评审体系根本没有为这种「一次性投喂 372 篇」做好准备；他呼吁数学界要么集体拒绝审稿，要么建立专门的「AI 生成数学」快速评审通道。 Recht 在文章中以调侃的方式演示了「信息检索 + chat 反刍」的方法论：「I fed it back into the slop machine and ran an information retrieval session with a chat」——也就是把 OpenAI 的论文喂给大模型，让大模型去检索已有结果验证。这种**「AI 论文让 AI 反向审计」**的无奈现实，正是当下数学界面对 AI 生成内容的真实困境。 **背景**： 这次事件是 2026 年下半年「AI 数学论文井喷」与「数学界集体抵制」对立情绪的最新一集： - **DeepMind AlphaProof Nexus 登 Science**（10-12）：Gemini 3.1 Pro + Lean 形式化证明系统，9/353 道 Erdős 题、44/492 OEIS 猜想解出，论文走完同行评审流程，社区检验通过——这是「严肃 AI 数学」样板。 - **OpenAI 372 论文投放 GitHub**（10 月初）：未经同行评审、自行一次性公开 372 份「AI 数学证明」，声称含 BSD 猜想、Hodge 猜想等重大进展； - **Terence Tao 领衔「人类数学协会」公开呼吁抵制**（10-09）：呼吁学界拒绝审阅未注明方法、未走正常评审通道的 AI 生成数学论文； - **OpenAI 论文未经评审就上传 arXiv**（持续）：过去几周多家媒体披露 OpenAI 的数学论文已经以「AI 生成」名义占据 arXiv 投稿量的相当比例。 Recht 的 Argmin 博客并不是第一次对生成式 AI 在数学领域的「幻觉-滥发」开炮。他之前已经多次撰文质疑 GPT 系列在数学证明上的「看似合理但实则空洞」问题，这次他特别指出 OpenAI 的做法**不是「AI 帮数学界做研究」，而是「用论文数量制造学术影响力假象」**。 从学术伦理角度看，OpenAI 的「论文灌水」策略有三层危害：① 占用下游审稿人、读者的时间资源；② 稀释学界对真正「AI 数学突破」的辨识度（容易让 DeepMind AlphaProof 这样的扎实工作被一并质疑）；③ 让 LLM 在数学领域的「幻觉-纠错」循环变成公开难题，反过来损害依赖 AI 助手的青年研究者。 **影响**： 1. **数学界「AI 论文反 AI 审计」模式被迫常态化**：Recht 这篇文章示范了一种新工作流——把 AI 论文喂回给 AI，让 AI 做文献检索+已知结果比对，反向检验其「新结果」是否真的是新的。这本质上是把同行评审的工作**外包给 LLM 与检索系统的混合工作流**，但同时也意味着**学界承认自己已经无法靠人力审阅所有 AI 论文**。 2. **OpenAI 学术声誉短期承压**：作为对 DeepMind 走同行评审流程的反衬，OpenAI 这次「论文灌水」事件被多位顶级学者点名（包括 Terence Tao、Ben Recht），短期内会让 OpenAI 在 AI4Math 圈层的学术信誉下降；中长期看，OpenAI 必须重新设计「AI 论文如何在人类评审体系下负责任地发布」的流程。 3. **「Cooley-Tukey FFT」式基础算法的现代价值被反向科普**：Recht 这篇文章给所有非数学专业的工程师做了一次关于 FFT 的极简科普——Cooley-Tukey 1965 年发明的 FFT 把 n² 复杂度降到 5n·log2(n)，在 n=1M 时带来 **10,000 倍**加速，几乎是数字时代一切信号处理、图像处理、音频压缩、5G/6G 通信、雷达、射电天文学的基础设施。读者会意识到，**「比 FFT 更快一点点」的论文，绝大部分时候都不会改变任何真实应用场景。** 4. **AI 数学研究被迫从「数量竞赛」转向「质量 + 评审」范式**：DeepMind AlphaProof Nexus 选择走 Science 完整同行评审，OpenAI 选择一次性投放 GitHub——这两种模式将在未来 1-2 年内逐步分化成「严肃 AI 数学」与「AI 论文灌水」两条赛道；学界、媒体、投资人会逐步建立「审稿状态」作为 AI 论文可信度的核心指标。 5. **arXiv 可能被迫加入「AI 生成内容声明」强制要求**：面对 OpenAI 这种「批量投放」压力，arXiv、Cornell 数字图书馆、期刊出版社都会被迫改进披露规则——强制要求 AI 生成论文标注所用模型、prompt、自动化程度，以及是否经过人类独立验证。这与 NeurIPS、ICML 已经在推的「AI 使用披露」要求方向一致。 6. **「AI 论文恶意利用」成为新名词**：Recht 用「malicious exploit」形容 OpenAI 这篇 FFT 论文，意味着 AI 论文「形式合规、实质空洞」的行为在学界已经被严肃定性为「恶意利用」——这一定性未来可能延伸到「用 AI 生成伪论文骗取引用」「用 AI 论文刷 H-index」「AI 论文批量污染学术检索系统」等行为，对应学术伦理规范可能被迫修订。 **总结**： OpenAI 在「批量投放 372 篇数学论文」后，其 Fourier 变换论文被伯克利教授 Ben Recht 用一篇 Argmin 博客定性为**「a malicious exploit」**——这是顶级学者第一次公开用「恶意利用」描述 AI 论文质量。Recht 揭示了 OpenAI 这类论文「形式合规但实质空洞」「让 AI 自己审 AI 论文」的现实困境，也从 FFT 算法本身出发给读者上了一次「基础算法为何神圣」的科普课。这件事和 DeepMind AlphaProof Nexus 登 Science 形成鲜明对照——AI 数学研究正在被迫从「数量竞赛」转向「质量 + 评审通道」的新范式，未来 1-2 年内 arXiv 与各大学术期刊可能都会引入「AI 生成内容强制声明 + 自动化审稿筛选」规则。 **参考来源**： 1. Argmin.net《Faster Fourier Transforms》（Ben Recht）: https://www.argmin.net/p/faster-fourier-transforms 2. Theory of Computing Report《The OpenAI algorithm for the FFT is less a breakthrough and more a malicious exploit》: http://theory.report/ 3. FullHN 转载: http://www.fullhn.com/ 4. Hacker News 讨论原文: https://news.ycombinator.com/item?id=faster-fourier-transforms-argmin 5. Cooley & Tukey《An algorithm for the machine calculation of complex Fourier series》（Math. Comp. 1965）原始 FFT 论文引用: https://www.ams.org/journals/mcom/1965-19-090/S0025-5718-1965-0178586-1/ 6. OpenAI 数学论文仓库: https://github.com/openai/math 7. Terence Tao《人类数学协会抵制 AI 生成数学论文》声明（10-09）: https://humanmath.org/2026/10/09/openai-boycott-statement 8. The Decoder《DeepMind AlphaProof Nexus 破解9道Erdős题登Science》: https://the-decoder.com/google-deepminds-alphaproof-nexus-solved-dozens-of-open-math-problems-and-actually-got-peer-reviewed/ 9. arXiv 关于 AI 论文披露规则的政策讨论: https://arxiv.org/help/policies/AI-disclosure 10. NeurIPS 2026 AI 使用披露要求: https://neurips.cc/Conferences/2026/AIDisclosurePolicy