最近整个统计学界都被一条消息震懵了：宾夕法尼亚大学沃顿商学院统计学教授Edgar Dobriban公开的最新成果显示，OpenAI的GPT-5.6只花了90分钟，就解决了领域内悬置整整20年的核心难题。

消息一出，学术圈直接炸了锅。有数学家坦言，自己和同事之前多次尝试用GPT-5.5攻克这个问题，跑了无数次计算都没能成功，如今答案被AI轻松拿下，除了难以置信，他也忍不住开始思考：做理论研究的统计学者，未来的角色到底是什么？

更让学者们惊讶的是GPT-5.6的解题思路：它没有沿着人类研究者熟悉的纯理论证明路径死磕，在先推导出常规的理论边界后，非常灵活地转向了学界研究较少的数值验证方向，靠严密的数值证书完成了最后一击，这种跳出惯性的思路转换给了很多研究者新的启发。

伯克利教授：真希望这是人类解出来的

GPT-5.6从零开始构造出了一个精妙的反例，直接推翻了学界维持了20年的共识：在相关双侧高斯检验场景下，被奉为经典的Benjamini-Hochberg（简称BH）程序，无法保证假发现率（FDR）始终被控制在预设阈值内。

看到这份逻辑严密、无懈可击的证明，伯克利大学统计学家Will Fithian的心情相当复杂：他毫不掩饰自己的震撼，却也难掩失落——这是他所在领域最有趣的未解之谜，任何统计学家能构造出这个反例都值得整个领域欢呼，他多希望拿下这个成果的是人类，而不是AI。

先别急着感叹90分钟的速度有多快，你得知道，这道题在统计学界已经压了整整二十年。Dobriban教授已经将完整成果写成了论文，这份证明的出现，相当于直接给二十年的争论画下了休止符。

其实这次给GPT-5.6的提示词相当直白：就是让它证明或反驳“任意相关双侧高斯检验场景下，BH方法都能将FDR控制在设定水平内”的经典猜想，同时附上了相关的基础定义，没有给任何额外的解题提示。

AI输出的整个证明架构清晰分成五大步骤，从隐状态建模到条件分布推导，再到交叉符号验证、阈值边界计算，最后通过高斯积分完成数值验证，整套逻辑环环相扣，没有任何跳跃或模糊的地方。

被“打假”的是13万引用的学术基石

为什么一个反例的出现，能让见惯了大场面的统计学家们集体破防？因为被AI推翻的不是什么冷门边角理论，而是支撑起现代高通量科学研究的“承重墙”。

1995年，Benjamini和Hochberg提出了著名的BH程序，用来解决多重假设检验里的假发现率问题——简单来说，当你同时做上万个检验（比如从几万个基因里筛致病靶点、从几十万脑成像体素里找神经活动），很容易把随机波动误判成“重大发现”，BH程序就是控制这类错误比例的安全阀。

从基因组学到天文学，再到经济学，只要需要处理大规模数据检验，几乎离不开BH方法。斯坦福大学统计学大师Emmanuel Candes甚至将其评价为“1950年之后统计学界最重要的两大发展之一”，这篇提出BH方法的开山论文，至今已经获得了超过13万次引用。

但这座宏伟的学术大厦上，一直飘着一朵乌云：最初BH方法的有效性，只在检验数据相互独立的理想假设下被严格证明，2001年学者们又把有效范围扩展到了正相关依赖场景。可真实科研里的数据相关性远比理想模型复杂，于是一个悬念悬了整整20年：在任意相关场景下，BH方法还能一直靠谱吗？

过去二十年里，包括BH方法提出者本人在内的无数顶尖统计学家都在钻研这个问题，大家做了海量模拟实验，几乎默认了“BH方法依然有效”的结论，无数科研经费、论文成果都建立在这个共识之上，大家差的就是一个严丝合缝的证明——或者一个反例。

找反例的难度不亚于大海捞针：研究者需要在无限大的协方差矩阵和均值向量空间里，凭空构造出一个特殊的高斯因子模型，刚好让BH方法的错误率越过红线。这种极度反直觉的构造，本身就是对研究者创造力的终极考验，也成了理论统计学界公认的试金石。

90分钟，AI跨过了“创造力”的边界

这次主导研究的Dobriban教授，在GPT-5.6发布前一个月，刚用GPT-5.5做过尝试：他让AI在智能体循环里连续跑了20个小时，折腾了数天，最后还是铩羽而归。

而GPT-5.6在发布当天的表现，彻底打破了大家“AI只会机械计算、套现成模板”的刻板印象。它没有在旧文献里翻找现成答案，而是像一个思路跳脱的外星数学家，从零搭建出了一套前所未有的数学结构：把FDR分析的经典渐近方法，和学界很少用到的严密数值验证结合起来，打了一套极其非主流却无懈可击的组合拳。

它给出的不是瞎蒙的结果，而是一套逻辑自洽、步骤严谨、完全可以被人类学者一步步复核的反证链条。配套的蒙特卡洛模拟结果也完全支撑结论：当样本量足够大时，在AI构造的这个模型里，设定α=0.01的BH程序，实际FDR会达到0.0104，确实越过了安全线。

在Dobriban和其他学者反复复核、把配套代码开源到GitHub之后，所有人都不得不承认：这不是大模型的幻觉，是板上钉钉的数学真理。

【编辑观察】这才是本次事件真正的“震中”：长久以来科研圈都有一个心照不宣的骄傲——AI算得再快，也只是处理数据的“蓝领工人”，那些需要灵光一闪、从零构造全新模型、打破旧范式的创造性工作，是人类智力最后的自留地。但GPT-5.6用90分钟的推理证明，曾经专属于人类的“科研洞见”环节，已经开始向算力迁移。

有学者总结了一条很实在的经验：只要一个问题的证明或反证，可以用现有方法在15页纸以内完成，哪怕需要非常巧妙的思路，现在的前沿AI大概率都能找到答案。而这个“15页”的上限，还在随着模型迭代不断变长。

改变的不只是一本统计学教材

目前来看，这次发现的FDR超标幅度并不大，它对过去几十年高通量科研成果的实际影响，还需要学界慢慢评估，但它给整个科研界带来的观念冲击，已经掀起了巨浪。

Will Fithian的感慨戳中了很多学者的情绪：他忍不住怀念以前的日子——一个重大成果出现，意味着有同事值得庆祝，有人类的洞见值得钦佩，有人类的成就可以激励后辈。而AI做出的成果，总让人心里空落落的。但他也承认，这是AI能力又一次里程碑式的进步，带来的影响早晚会超出数学领域。

其实我们完全没必要陷入“AI要取代数学家”的焦虑。这次事件真正的启示是：科学发现的门槛正在被AI重新定义。未来“推导公式、寻找答案”会越来越变成AI的强项，而人类科研工作者的价值，会向科研链条的两端集中：提出更有想象力、更有价值的好问题，以及为冰冷的答案赋予人类的意义。

最近AI攻克学术难题的新闻越来越密集：1小时解开50年历史的数学难题、一夜解决卡了半年的弦论问题、64个AI模型组团拿下了图论领域的经典难题……不少人都在调侃：下一个被AI用90分钟终结的，会是谁钻研了二十年的心血？

调侃背后，我们其实正在亲眼见证一个时代的拐点：曾经高不可攀的科研创造高峰，已经迎来了硅基智能的攀登者。