佛罗里达大学团队将刚终结的世纪数学难题——三维挂谷猜想中的核心概念「粘性挂谷集」，直接嵌入大模型训练流程，提出 GeoLAN 框架。它从训练阶段给语义空间立下「摆放规矩」，让缠成一团的概念各就各位，把原本被压扁的锥形表征空间揉成了近似球形。
大模型做题、写代码正确率都很高，但问它「这一步怎么想出来的」，它要么说不清，要么直接编个假理由。病灶在底层——表征坍塌。
语义空间本该是几千层的智能仓库，分门别类放下逻辑、情感、事实、推理。但 Transformer 训练时特别会偷懒，把所有语义信息一股脑堆在仓库门口一小块区域，剩下约 90% 的空间全空着。所有概念挤在狭窄的高维锥形区域里，这就是「各向异性」。
等模型训练完，用稀疏自编码器等工具把缠在一起的概念强行拆开。拆出来的结果只是「看起来合理」，不一定对应模型内部真实逻辑，保真度始终打折。
不等乱了再整理，训练全程给表征空间加几何约束，让每个概念从一开始就各就各位——把数学定理当工程标准塞进训练目标。
论文有个精准说法：少数几个「流氓维度」霸占了大部分信息方差，把模型有效容量全浪费了。这个问题几乎是所有主流 Transformer 架构的通病，从 GPT、Llama 到 Gemma 无一幸免。
1917 年，数学家挂谷宗一抛出一个看似简单、折磨数学界半个世纪的难题：拿一根 1 厘米长的针在桌面上转一圈，扫过的面积最小能有多小？数学家发现，让针一边旋转一边滑动，可以扫出面积接近于零的奇葩图形。
二维到三维的升级中，王虹等人证明：即便把图形体积压榨得再空洞，为照顾每个方向的针，内部交织的骨架依然保持着结结实实的「三维饱满度」，微观维度上一点没退化。证明过程中诞生了一个关键概念——「粘性挂谷集」。
「粘性」说白了就是一套防挤规则：管子遵守它就老老实实铺开、空间不缩水；不守规矩全挤角落、空间就被压扁。大模型的表征坍塌，不正是「语义管子不满足粘性条件、全挤一块」吗？
GeoLAN 把数学结论直接拿来当工程标准，设计了两套能算账的惩罚规则：
三维挂谷猜想刚被证明，三个月后就诞生了 GeoLAN——纯数学成果直接落地成大模型训练工具。这并非孤立事件，而是一条正在加速的双向通道。
本届菲尔兹奖得主 Jacob Tsimerman 在获奖当天宣布将入职 OpenAI 做 AI 安全方向。一年前他与伯克利 Andrew Critch 合著论文，用数学家的严谨为 AI 风险路径搭建分类体系。他自述 AI 让自己科研产出效率翻了一番，2025 年有 5 篇数学论文上线 arXiv。
更戏剧的是，颁奖前三天，他的学生 Levent Alpöge 借助 Anthropic 的 Claude Fable 5，一夜推翻了悬置 87 年的雅可比猜想。数学泰斗蒂莫西公开感叹：这是他生平第一次见到大语言模型在自己完全陌生的领域，轻松攻克家喻户晓的世纪难题。
Jacob 在 AMS 访谈里直言：「数学界存在大量自我安慰，大家盯着 AI 现在不如数学家，就推断它永远不如数学家。」他认为模型证明虽「不完整、不严谨」，但「通常能拉出大致正确的方法，帮你走完八成的路」，并预判两年内 AI 在数学证明上将全面超过人类。
本篇核心事实来自单一团队论文（《GeoLAN》，arXiv:2603.19460）及公开报道整理。论文中的模型改善数据由作者团队自行披露，未见独立第三方复测；Gemma-3-12B 偏见率「统计学显著下降」未给出具体数值，读者宜按定性结论而非定量承诺对待。「金凤花区」边界目前仅为该论文观察，是否普适于更多架构与参数区间，尚需社区验证。
支线趣闻：Jacob 的学生用 Claude 一夜推翻雅可比猜想一事，源自数学圈传播，具体证明细节尚未经同行评审正式确认，宜作现象级信号而非定论阅读。
GeoLAN 论文已公开，含完整推导、惩罚函数设计与三组模型实测细节。
arxiv.org/abs/2603.19460 → 查看原文