OpenAI內部模型確定Cohn-Elkies球堆積線性規劃的精確衰減率

TL;DR. OpenAI內部模型取得了一組橫跨數學與理論電腦科學的成果。核心結果精確確定了Cohn-Elkies球堆積線性規劃的指數衰減率，這是1978年以來一般球堆積指數的首次改進。

核心要點

這組成果是什麼，為什麼有一項結果格外突出. 文件的開頭相當低調。它呈現一個OpenAI內部模型取得的一組結果，並說這些結果橫跨數學與理論電腦科學。這是對來源與範圍的描述，並沒有說明模型如何使用，也沒有說明它的輸出如何查核。這些問題很重要，但這裡摘要的資料沒有給出答案，所以本文也不會假裝有答案。這些主張能夠支持的，是一份所述結果的清單。這份清單夠長，因此有意思的問題不在於其中某一項是否令人印象深刻，而在於為什麼其中一項最值得關注。.
Cohn-Elkies規劃及其給出的上界. 球堆積問題問的是，互不重疊的球能以多高的密度填滿空間。文件為此訂定了記號。當球心之間的距離至少為1時，∆d是Rd中半徑為1/2的球的上密度的上確界。換句話說，∆d表示Rd中的最大球堆積密度。這組成果第一章中的一切，都以這個量為基準來衡量。.
這個框架先前已經取得的成就. 在轉向新定理之前，值得具體說明傅立葉分析的線性規劃框架先前已經帶來什麼，因為新結果在一定程度上是在說明這個框架還能走多遠。.
主定理. 文件的主定理證明了那篇2020年論文中猜想3.1與猜想3.2所猜想的指數衰減率。就主張所能支持的層面而言：作者們精確確定了Cohn-Elkies球堆積線性規劃的指數衰減率。用資料的話來說，這個規劃的漸近強度被精確確定了。.

OpenAI內部模型取得的一組數學成果確定了Cohn-Elkies球堆積線性規劃的漸近強度，給出了1978年以來對一般球堆積指數的首次改進，並同時給出與之精確吻合的下界。

這組成果是什麼，為什麼有一項結果格外突出 #

文件的開頭相當低調。它呈現一個OpenAI內部模型取得的一組結果，並說這些結果橫跨數學與理論電腦科學。這是對來源與範圍的描述，並沒有說明模型如何使用，也沒有說明它的輸出如何查核。這些問題很重要，但這裡摘要的資料沒有給出答案，所以本文也不會假裝有答案。這些主張能夠支持的，是一份所述結果的清單。這份清單夠長，因此有意思的問題不在於其中某一項是否令人印象深刻，而在於為什麼其中一項最值得關注。

原因在於，球堆積結果是這組成果中唯一一項在歷史悠久、廣為人知的研究計畫中填補定量缺口的結果。其他結果本身也很引人注目。一個顯式的非sofic群回答了一個長期存在的問題。對Connes猜想的否證了結了一位知名數學家提出的問題。但球堆積結果位於一條鏈條的末端：它從一個傅立葉分析框架出發，經過個別維度上兩個著名的精確解，一路通往一個多年懸而未決的高維問題。要理解這項結果，就必須理解這條鏈條。

因此，下文大部分內容談的是Cohn-Elkies線性規劃：它是什麼，人們原先對它知道些什麼，新定理說了什麼，以及論證中符號不確定性的一側是如何搭建的。接下來的簡短一節再概覽這組成果中的其餘結果，每一項都依所述內容呈現，不作進一步引申。

Cohn-Elkies規劃及其給出的上界 #

球堆積問題問的是，互不重疊的球能以多高的密度填滿空間。文件為此訂定了記號。當球心之間的距離至少為1時，∆d是Rd中半徑為1/2的球的上密度的上確界。換句話說，∆d表示Rd中的最大球堆積密度。這組成果第一章中的一切，都以這個量為基準來衡量。

Cohn-Elkies規劃給出∆d的一個上界。它的最佳輸出記作LPd，定義為該規劃所提供的最佳密度界。其機制是Gorbachev–Cohn-Elkies界，它為一個名為Ad的函數類別中的每個f指定密度上界vd f(0)/(2d f̂(0))。用文字來說，就是從容許類別中選一個輔助函數f，計算它在原點的值以及它的傅立葉轉換在原點的值，再結合體積與縮放因子構成這個比值，所得結果便從上方界定了堆積密度。線性規劃要尋找的，是讓這個上界盡可能小的f。

在這個框架裡，全部難處都在於如何選好f。巧妙選出的函數給出緊的上界，選得不好的函數給出的上界較弱，但仍然成立。這正是新結果中吻合的下界如此重要的原因。它一次對所有容許函數作出論斷，把尋找更好函數的搜尋變成一個已有定論的問題。

這個框架先前已經取得的成就 #

在轉向新定理之前，值得具體說明傅立葉分析的線性規劃框架先前已經帶來什麼，因為新結果在一定程度上是在說明這個框架還能走多遠。

Viazovska利用這個框架證明了E8格在八維中給出最佳堆積。隨後，Cohn、Kumar、Miller、Radchenko與Viazovska確立了Leech格在二十四維中的最佳性。這些是單一維度上的精確結果，也是這個框架的聲譽超出其作為界定工具這一角色的原因。在兩個特定的維度上，它達到了真正的答案。

高維的圖像則模糊得多。Cohn與Zhao證明了線性規劃永遠至少和Kabatianskii–Levenshtein球面碼界一樣強。這是一項有用的保證，因為Kabatianskii–Levenshtein界一直是已知最好的一般指數。但「至少一樣強」留下了兩種可能：這個規劃可能恰好與該指數相等，也可能超越它。文件直接寫明了其後果：線性規劃能否改進古典的高維球堆積指數，一直是懸而未決的問題。

Afkhami-Jeddi、Cohn、Hartman、de Laat與Tajdini猜想了線性規劃的高維衰減率。這個猜想是帶有保留的對象，資料也是這樣看待它。它是一個猜想，獲得作者們所掌握證據的支持，但沒有人證明過它。新結果改變了它的地位。

主定理 #

文件的主定理證明了那篇2020年論文中猜想3.1與猜想3.2所猜想的指數衰減率。就主張所能支持的層面而言：作者們精確確定了Cohn-Elkies球堆積線性規劃的指數衰減率。用資料的話來說，這個規劃的漸近強度被精確確定了。

從資料可以直接得出兩個推論。第一個是高維中一般堆積上界的改進。第二個是相應的傅立葉符號不確定性問題在漸近意義上獲得解決。這兩個推論性質不同。一個關於幾何，另一個關於分析，而同一個定理同時帶來兩者，這項事實是第一個線索，顯示球堆積問題與不確定性問題是同一結構的兩個面向。

資料也把這項成就放在歷史中衡量。它把這項結果描述為1978年以來對一般球堆積指數的首次改進。古典的Kabatianskii–Levenshtein指數是0.59905576...，這個數字一直是基準。文件記載，後來的球面碼精進只改進了低階因子。換句話說，就指數本身這個主階的量而言，一直沒有任何變動。

我認為，用這種方式來評估這項結果是正確的。低階改進調整的是常數與多項式因子，而指數衰減率維持不變。指數的改進則改變衰減率本身。這些主張恰好支持這個區分，也支持先前的精進都落在低階一側的說法。

維度 / 框架	古典基準（1978年）	Cohn-Elkies線性規劃	新模型的證明
球堆積指數	Kabatianskii–Levenshtein界：0.59905576...	至少和球面碼界一樣強（Cohn–Zhao）	證明了Afkhami-Jeddi等人（2020年）猜想的精確漸近衰減率
上界的最終性	僅有低階因子的精進	高維漸近缺口是懸而未決的問題	精確吻合的下界：任何輔助函數都無法超越這個衰減率
傅立葉符號不確定性	分開的符號界（$A^+(d) < A^-(d)$）	與反自傅立葉測試函數相連結	漸近解決；符號不確定性由梅林反射支配
錯誤更正碼	古典的球面碼與二元碼上界	與堆積上界漸近耦合	所有固定距離參數下都有指數級因子改進
方法的天花板	多項式因子的數值最佳化	輔助測試函數 $f \in \mathcal{A}_d$ 的最佳化尚無定論	證明了數學天花板：進一步的改進需要非Cohn-Elkies的方法

為什麼吻合的下界改變了問題 #

單憑上界的改進就已經是好消息。真正讓這項結果格外具有終結性的，是後半部分。吻合的下界顯示，任何Cohn-Elkies輔助函數都無法改進這個指數。

想想這對研究計畫意味著什麼。在這項結果之前，一位對構造輔助函數有更好想法的研究者，有一條通往更好球堆積指數的可信路徑。在這項結果之後，這條路在指數層面上被封死了。指數上的任何進一步進展都必須來自Cohn-Elkies框架之外，因為在框架之內，衰減率如今已是精確的。

我不想誇大這一點。這些主張並沒有說新指數就是真正的球堆積指數，也沒有說球堆積本身不能做得更好。這項論斷關於的是線性規劃：它的指數已被確定，改變輔助函數無法超越它。另一種技術能否超越它，是這些主張沒有觸及的問題。這是一條清楚的邊界，而這種邊界正好告訴一個領域下一步該往哪裡看。

對於在意心力投向何處的讀者，這裡還有一種商業化的解讀。一個方法已知的精確天花板是有用的資訊。它告訴你該停止在這個方法內部做最佳化了。對任何分配研究時間的人來說，從「也許能改進」到「不能改進」的轉變，與一個不大的正面結果同樣有價值。

球面碼與二元碼 #

這組成果並沒有止步於堆積。固定距離的二元碼與球面碼的古典上界，在所有參數下都改進了指數級因子。這句話帶有一個很強的量詞。改進是指數級因子的改進，而且對所有參數成立，這比在某個有利區間內的改進要寬廣得多。

它也與第1章相連。球面碼構造也重新得到第1章的球堆積指數。於是兩條線索連接了起來：編碼一側的構造重現了堆積一側的指數。這些主張沒有詳細說明這種重現的機制，我也不會編造一個。它們確立的是，這種關係沿這個方向成立，也就是球面構造給出了與堆積一章相同的指數。

鑑於上文的歷史，值得回顧這種連結為什麼重要。Kabatianskii–Levenshtein球面碼界是線性規劃的比較基準，而Cohn與Zhao的定理說，規劃永遠至少一樣強。新結果既改進了編碼界，也改進了堆積界，而且是透過一個回到堆積指數的構造做到的。兩側是一起被推動的。

符號不確定性問題 #

主定理的第二個推論關於傅立葉符號不確定性，文件給出的定義足以勾勒出它的輪廓。

對一個函數g，r(g)定義為使得當|x| ≥ R時g(x) ≥ 0的R ≥ 0的下確界。白話地說，r(g)是這樣一個半徑：在它之外，g處處非負。當不存在這樣的半徑時，r(g) = ∞。不確定性問題關心的是，對於與自身傅立葉轉換具有某種規定關係的函數，這個半徑能做到多小。

這種關係是一個符號。條件ĝ = ςg把一個函數與它的傅立葉轉換在相差一個符號的意義上連結起來。符號+1與−1分別給出原始的不確定性問題與互補的不確定性問題。Cohn與Gonçalves引入了反自傅立葉的對應物，也就是互補問題，並把它與球堆積連結起來。這項連結正是球堆積結果得以在漸近意義上解決不確定性問題的橋梁。

互補問題並不是純分析中的奇珍。在無自旋的模自舉中，模S反對稱性產生反自傅立葉測試函數，其最終的符號控制著譜隙。資料在這一點上引用了Hartman、Mazáč與Rastelli，以及Afkhami-Jeddi等人的論文。因此，一個起初關於函數及其轉換的問題，也出現在一個聽起來頗具物理色彩的情境中，也就是譜隙。這些主張沒有超出這一句話的機制，我也不會，但它提醒我們，不確定性問題在球堆積之外也有同伴。

附錄A補充了兩個問題之間的比較。它指出，對所有d都有A+(d) < A−(d)。這是在說兩個問題在每個維度上都不同，而且第一個量嚴格小於第二個量。這些主張沒有給出進一步的詮釋，而這個不等式之所以值得一提，僅僅因為它對所有d都毫無例外地成立。

論證內部：平均、消失與質量估計 #

文件中包含若干技術性的陳述，讓人能感受到不確定性分析是如何搭建的。它們是片段，我也會把它們當作片段來呈現，但合在一起，它們勾勒出一種方法。

先從對稱性談起。旋轉平均是用O(d)上歸一化的哈爾測度來定義的。把一個函數對旋轉取平均，就得到一個徑向函數，這樣做的目的是在不破壞限制條件的前提下簡化問題。資料說，旋轉平均保持問題限制條件清單（編號為(2)）中的每一個符號條件。它還補充說，如果ĝ = ςg，那麼r(Rg) ≤ r(g)，其中Rg是g的旋轉平均。所以平均永遠不會讓符號半徑變差。此外，依資料的說法，只要g ≠ 0最終非負，就有Rg ≠ 0，因此平均不會抹除一個在遠處具有正確符號行為的函數。

這三項事實合在一起，證明了化約到徑向函數是合理的。這種化約在半徑上沒有任何代價，它保持符號條件，也不會把函數壓縮為零。這是標準對稱性論證的樣貌，而這些主張逐一確認了它的每個組成部分。

接下來是原點。函數g = h − ĥ在原點處消失。這是那種在證明中發揮大作用的小事實，因為Cohn-Elkies界直接涉及原點處的值，而一個在那裡消失的函數，其行為與不消失的函數不同。資料也記錄了一個相關的修正步驟：修正後的函數gn滿足gn(0) = 0，並且在L1中gn → g。也就是說，一列各自在原點消失的修正函數，在L1的意義下收斂到g。這讓論證可以使用恰好滿足原點條件的函數，同時仍然逼近目標函數。

然後是一個定量限制。質量估計迫使1/a ≥ (1/π − o(1))√d。這些主張沒有定義a，所以我無法說它衡量的是什麼，也不會去猜。可以說的是結論的形式：這是關於1/a的一個下界，它像維度的平方根那樣成長，常數為1/π，修正項趨於零。維度的平方根這種尺度，對高維幾何來說看起來是一個自然的大小，但那只是我對式子形式的觀察，這些主張並沒有把它當作一種機制來斷言。

梅林轉換的圖像 #

文件中還出現了工具箱裡的另一件工具，它最清楚地解釋了為什麼徑向傅立葉分析在這裡容易處理。經過梅林轉換之後，徑向傅立葉轉換會反射梅林變數。這是關於一個轉換如何作用的簡潔陳述。徑向函數的傅立葉轉換通常是一個積分算子，直接推理起來很棘手。它變成了梅林變數上的一次反射。反射幾乎是最簡單的算子了。

同一段落也記錄了另一側的一個分析條件。g的史瓦茲衰減給出Φg在v → +∞時的快速衰減。這裡Φg是在梅林分析中得到的對象，v是它的變數。這種搭配很有啟發性：反射性質處理結構，史瓦茲衰減處理無窮遠處的控制。這種風格的證明兩者都需要，因為沒有衰減的結構會留下可能不收斂的積分，而沒有結構的衰減則什麼也算不出來。

文件也指出，Sd是單位球面的面積，在把徑向積分在球面與直線之間轉換時，它作為歸一化因子出現。這是一個定義層面的要點，而正是這類簿記決定了最終上界中的常數能否算對。

我想說清楚這些片段是什麼。它們不是證明。這些主張給出的是陳述，而不是推導，任何讀者都不應據此重建完整的論證。它們顯示的是，這項分析結合了對稱化約、原點條件、定量的質量估計，以及一個在變數變換後作用變得簡單的轉換。對傅立葉分析的極值問題來說，這種組合是常規的，這反而讓最終結果的精確性更加值得注意，而不是更不值得注意。看起來很標準的工具，就足以得到一個鋒利的答案。

這組成果的其餘部分 #

球堆積一章只是文件的一部分，其餘結果也值得公允地介紹。每一項都依主張給出的原樣在此陳述。

在群論中，構造了一個顯式的非sofic群，回答了是否每個可數群都是sofic群這個長期存在的問題。證明把Kun以及Kun–Thom的研究與一個組合的擴張圖匹配論證結合起來，並借助二元Leavitt代數與Thompson群V來實現。「顯式」一詞在這裡很有分量：這項結果是一個構造，而不是一個存在性論證。

在算子代數中，構造了無窮多個兩兩不同構、具有性質(T)的群，它們具有相同的群馮紐曼代數。這否證了Connes猜想，並回答了Popa提出的一個相關的有限對一問題。一個構造解決了兩個知名的問題。

在算術複雜度中，文件給出了積和式的下界。無除法電路需要Ω(n² log log n)個閘，而公式需要Ω(n⁴ / log n)片葉子。這是針對兩種計算模型的兩個界，文件把它們並列呈現。

在量子資訊中，對每一個有限的雙人糾纏賽局都證明了指數級的平行重複。資料說，這把古典的重複原理推廣到先前處理過的量子賽局特殊類別之外。量詞再次引人注目：每一個有限的雙人糾纏賽局，不限於某個特殊類別。

在近似困難度方面，一個從3SAT出發的直接歸約給出了歐幾里得最近向量問題的n^(1/400)因子困難度，並對二元解碼與其他格範數有相關推論。指數1/400很小，我寧願照原樣報告，也不願加以粉飾。這些主張稱這項歸約是直接的，並附上關於二元解碼與其他範數的推論。

在凸幾何中，對於重心是其唯一內部格點的凸體，在每個維度上都證明了鋒利的體積上界(n + 1)^n / n!。鋒利性與對所有維度的普遍性都是主張的一部分。

在拉姆齊理論中，一個新的超指數下界顯示Rk(3)以k^Θ(k)的速度成長。在極值圖論中，若干獨立的二分圖構造否證了兩個猜想：Erdős與Simonovits的緊緻性猜想，以及Erdős的一個退化度猜想。

把這組成果當作整體來讀 #

把這份清單當作獎盃陳列櫃很容易，所以值得說明從中能得出什麼、不能得出什麼。

可以說的是，文件報告了至少八個領域的結果，其中若干被描述為回答或否證了知名猜想，而球堆積一章附有一個吻合的下界，使其結果在該框架內具有終結性。涉及的猜想冠以Connes、Popa、Erdős與Simonovits之名，而球堆積衰減率是由Afkhami-Jeddi、Cohn、Hartman、de Laat與Tajdini猜想的。解決知名問題的結果很容易評估，因為問題是在答案出現之前就提出的。

僅憑這些主張不能說的，是關於模型如何運作、需要多少次嘗試、輸出如何查核，或與人類的努力相比如何的任何事情。資料說這些結果是由一個OpenAI內部模型取得的，而主張就止於此。想把這組成果當作機器數學的證據來衡量其意義的讀者，需要這些主張所不包含的資訊。我會抗拒用聽起來合理的敘事來填補這個空白的誘惑。

儘管如此，仍有一個值得採取的立場。這些結果在技術上是異質的：非sofic群用到二元Leavitt代數與Thompson群V，球堆積結果用到傅立葉分析與梅林轉換，最近向量困難度用到從3SAT出發的歸約。一組橫跨如此廣闊技術領域的成果，不是把同一個技巧反覆套用的產物。無論產生這些結果的是什麼，它都在多種數學方言中運作，而這些主張至少支持這一點。

對各產業的意義 #

高維Cohn-Elkies衰減率的精確確定，以及隨之而來的數學成果，影響著若干理論與應用的計算領域。

純數學與離散幾何 #

對於從事高維幾何與調和分析的數學家來說，Cohn-Elkies衰減率的精確確定改變了研究版圖。由於吻合的下界證明了 $\mathcal{A}_d$ 中的任何輔助函數都無法超越新指數，研究者可以停止在古典線性規劃框架內尋找更好的徑向測試函數。今後要獲得更密的球堆積或更緊的普適上界，就必須探索非線性規劃技術、高階半正定階層，或截然不同的幾何構造。

密碼學與以格為基礎的安全 #

以格為基礎的密碼構成ML-KEM與ML-DSA等後量子標準的核心，它在很大程度上仰賴這樣一個猜想：在高維歐幾里得格中尋找最短向量或最近向量是困難的。從3SAT出發的直接歸約確立了歐幾里得最近向量問題（CVP）的 $n^{1/400}$ 因子困難度，再加上對球堆積與球面碼更緊的指數天花板，這鞏固了支撐最壞情況到平均情況格歸約的理論基礎，同時不會削弱具體的安全參數。

自動定理證明與基礎模型 #

對於開發推理系統與自動定理證明器的研究團隊來說，這組成果的廣度與技術深度提供了一個引人注目的基準。內部模型並非產生已知證明的合成變體，而是處理了橫跨群論（借助Thompson群V構造顯式的非sofic群）、算子代數（否證Connes猜想）與算術複雜度（積和式下界）的開放問題。它顯示，只要驗證與證明檢查保持嚴謹，神經網路架構就能駕馭深入的傅立葉分析與組合匹配。

結論 #

Cohn-Elkies球堆積線性規劃精確衰減率的確定，為幾何分析中的一個重要篇章畫下句點。透過證明Afkhami-Jeddi、Cohn、Hartman、de Laat與Tajdini的2020年猜想，並確立1978年以來對一般球堆積指數的首次改進，這項研究建立了一條不可動搖的數學基準線。由於吻合的下界確認任何Cohn-Elkies輔助函數都無法帶來進一步的指數級收益，這項定理既確定了線性規劃的漸近強度，也把高維幾何的未來引向全新的分析視野。

常見問題 #

Kabatianskii–Levenshtein界有什麼意義？

Kabatianskii–Levenshtein界確立於1978年，它為高維球堆積密度給出了0.59905576...的漸近上界指數。此後四十多年裡，後續的精進只改進了低階代數因子，主導的指數衰減率在這項結果出現之前始終未被觸動。

為什麼吻合的下界如此關鍵？

僅有上界只能說明線性規劃能達到什麼，而吻合的下界證明，在Cohn-Elkies容許類別A(d)中無論選擇哪個輔助函數f，都無法得到更小的指數。這為線性規劃框架本身設下一個絕對的天花板。

傅立葉符號不確定性問題與球堆積有什麼關係？

Cohn與Gonçalves證明，互補的傅立葉符號不確定性問題（即g_hat = -g的情形）與球堆積上界緊密耦合。透過旋轉平均與梅林轉換的反射，Cohn-Elkies規劃的漸近解直接解決了傅立葉符號不確定性問題。

這項結果會危及以格為基礎的密碼嗎？

不會。這項定理讓高維中球能堆積多密的上界更加鋒利，並確立了最近向量問題的 $n^{1/400}$ 因子困難度，但它並沒有提供多項式時間的格約化演算法。實用的格密碼系統面對已知的量子攻擊與古典攻擊依然安全。

參考文獻 #

Nima Afkhami-Jeddi et al., (2020). 高維球堆積與模自舉 ⧉. Journal of High Energy Physics.
Henry Cohn and Noam Elkies, (2003). 球堆積的新上界 I ⧉. Annals of Mathematics.
Henry Cohn and Felipe Gonçalves, (2019). 傅立葉分析中的最佳不確定性原理 ⧉. PNAS.
Henry Cohn and Yufei Zhao, (2014). 透過球面碼得到的球堆積上界 ⧉. Duke Mathematical Journal.
G. A. Kabatianskii and V. I. Levenshtein, (1978). 球面上與空間中堆積的上界 ⧉. Problems of Information Transmission.
Maryna S. Viazovska, (2017). 八維中的球堆積問題 ⧉. Annals of Mathematics.

最近審閱 2026-10-05.

最近審閱 2026-10-27.

重新發佈本文

OpenAI內部模型確定Cohn-Elkies球堆積線性規劃的精確衰減率 — Sebastien Rousseau

OpenAI內部模型取得了一組橫跨數學與理論電腦科學的成果。核心結果精確確定了Cohn-Elkies球堆積線性規劃的指數衰減率，這是1978年以來一般球堆積指數的首次改進。

本文採用以下授權條款 Creative Commons Attribution 4.0 International. 重新發佈需註明原始 URL 出處。

OpenAI內部模型確定Cohn-Elkies球堆積線性規劃的精確衰減率 — Sebastien Rousseau

OpenAI內部模型取得了一組橫跨數學與理論電腦科學的成果。核心結果精確確定了Cohn-Elkies球堆積線性規劃的指數衰減率，這是1978年以來一般球堆積指數的首次改進。

Originally published at https://sebastienrousseau.com/zh-hant/2026-10-05-openai-neibu-moxing-queding-cohn-elkies-tw/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER