浙大校友王宜平用AI突破32年数学难题！拉姆齐数R(3,17)下界提升至93，超越DeepMind

导语：浙大校友王宜平用AI将32年未破的拉姆齐数下界提升，成果开源并超越DeepMind。

数学界32年僵局被打破

组合数学领域一项尘封32年的纪录被刷新！浙江大学校友王宜平借助自研AI框架ScaleAutoResearch-Ramsey，成功将拉姆齐数R(3,17)的下界从92提升至93，终结了自1994年以来长期停滞的局面。同时，他还将R(4,15)的下界刷新至160，成果直接超越Google DeepMind同期发布的AlphaEvolve研究水平。

更令人惊叹的是，这次世界级数学突破并未依赖超级算力集群，仅用Claude Code、Codex加一台CPU服务器就完成了全部攻坚，且成果已全量开源。

拉姆齐数究竟是什么？

数学巨匠保罗·埃尔德什曾调侃：“如果外星人威胁地球，要求我们给R(5,5)的精确值，人类应动用所有算力；但如果要的是R(6,6)，我们不如直接开战。”这句话生动揭示了拉姆齐数的难度。

作为组合数学的核心难题，拉姆齐数本质上是在寻找“无序中必然出现秩序”的临界值。以R(3,17)为例，可以生活化地理解为：在一个派对上，无论人们如何随机社交，总能找到3个互相认识的人（三角形结构），或者17个完全互不相识的人（独立集）。这个最小的派对人数就是R(3,17)的精确值。但求解过程极其艰难，如今R(5,5)的精确值仍卡在43-48之间，而R(3,17)自1994年被锁定在92后，全球顶尖团队轮番攻关却始终无法突破，形成跨越32年的学术僵局。

拉姆齐数的研究直接关联图论、算法设计、网络优化等关键领域，从人工智能到通信网络都有广泛应用，是数学与计算机科学交叉领域的核心问题。

逆向思维：AI驱动的突破

王宜平的突破始于一次“反其道而行之”的尝试。传统方法通常是：先构造一张没有三角形的图，再慢慢压缩其中的独立集规模。但无论算法如何优化，在92个顶点的限制下，独立集始终停留在18个，无法压到16个的目标。

王宜平换了一条逆向思路：放弃零三角形的初始要求，先构建一张独立集不超过16个但含少量三角形的图，再通过AI的复合删除修复策略，一步步删除三角形，同时修复过程中新生的独立集冲突。他融合了Karpathy autoresearch、AlphaEvolve、拉姆齐数综述等成熟思路，搭建了一套AI自我迭代进化的研究框架，让AI不断沿用过往的优质探索结果，往更深更细的方向持续深挖。

框架三大特点

• 多智能体并行搜索：系统同时启动多组独立智能体，用不同算法和初始参数并行搜索图结构空间，有效避免探索陷入局部无解。
• 迭代优化积累：全程以结构冲突数为评判标准，将每次优化出的更好图谱保存为基础模板，后续迭代在已有优质成果上继续打磨，靠不断沉淀逼近最优解——这也是与Google AlphaEvolve的最大区别。
• 严格核验：所有推演结果都通过专业核验工具严格筛查，精准校验图中是否存在违规三角形、是否超出独立集数量上限，确保研究结果严谨可信。

这套AI框架从最初仅含12个三角形的图结构出发，像闯关升级一样逐步推进：12个、11个、10个……每一步都要平衡“删三角形”和“控独立集”的矛盾，最终在92个顶点上成功构造出一张完美的图——既没有三角形，也不存在17个互不相连的点，直接证明了R(3,17)≥93。该框架还顺带将R(4,15)的下界从159提升至160。而就在今年，Google DeepMind的AlphaEvolve也只做到了复刻R(3,17)的旧下界92，未能实现实质性突破。

王宜平其人

王宜平本科毕业于浙江大学竺可桢荣誉学院，获计算机科学与数学双学位，现为华盛顿大学保罗·G·艾伦计算机科学与工程学院博士生。他目前是xAI技术团队成员，曾在微软实习，长期研究目标是开发安全、可扩展的超人类AI系统，推动科学进步。近期研究聚焦于大语言模型的推理强化学习以及AI for Math，同时涉猎多模态和机器学习理论等领域。

同期重要进展：78年来首次指数级理论改进

除了王宜平的突破，中科大马杰教授、清华申武杰、中科大谢晟捷团队在拉姆齐数研究中实现了78年来首次指数级理论改进。相关成果于近日发表在数学四大顶刊之一《Inventiones Mathematicae》（《数学新进展》），从宏观数学规律层面显著拔高了拉姆齐数下界的增长阶数，为这类问题的求解划定了更高的理论天花板。

参考链接：
[1] https://x.com/ypwang61/status/2052508685591785619
[2] https://github.com/ypwang61/ScaleAutoResearch-Ramsey