[论文解读] Early Evidence of Vibe-Proving with Consumer LLMs: A Case Study on Spectral Region Characterization with ChatGPT-5.2 (Thinking)

Brecht Verbeken, Brando Vagenende+3 more|arXiv (Cornell University)|Feb 21, 2026

Artificial Intelligence in Healthcare and Education被引用 0

一句话总结

论文提出一个结构化、可审计的案例研究，消费者级大模型（ChatGPT-5.2 Thinking）与人类协作以证明4循环行随机矩阵族的光谱区域特征，强调工作流程、验证瓶颈以及人机环路定理证明的潜力。

ABSTRACT

Large Language Models (LLMs) are increasingly used as scientific copilots, but evidence on their role in research-level mathematics remains limited, especially for workflows accessible to individual researchers. We present early evidence for vibe-proving with a consumer subscription LLM through an auditable case study that resolves Conjecture 20 of Ran and Teng (2024) on the exact nonreal spectral region of a 4-cycle row-stochastic nonnegative matrix family. We analyze seven shareable ChatGPT-5.2 (Thinking) threads and four versioned proof drafts, documenting an iterative pipeline of generate, referee, and repair. The model is most useful for high-level proof search, while human experts remain essential for correctness-critical closure. The final theorem provides necessary and sufficient region conditions and explicit boundary attainment constructions. Beyond the mathematical result, we contribute a process-level characterization of where LLM assistance materially helps and where verification bottlenecks persist, with implications for evaluation of AI-assisted research workflows and for designing human-in-the-loop theorem proving systems.

研究动机与目标

• 证明消费者级 LLM 能够在明确的人类验证下，对数学性强的证明发展做出贡献。
• 提供一个可审计的工件集合（转录本和证明草案），用于对 AI 辅助定理证明的端到端检查。
• 描述由 LLM 生成的结构与人类对正确性至关重要的验证之间的分工。

提出的方法

• 采用 generate–referee–repair 工作流，包含七个 ChatGPT-5.2 (Thinking) 线程和四个版本化草案。
• 对 4 循环行随机矩阵族应用 Dmitriev–Dynkin 三角化约简。
• 以目标定理陈述和边界信息作为 LLM 提议证明策略的支架。
• 纳入显式正确性义务（象限处理、端点可容性、代数展开）并在独立会话中进行补丁搜索。
• 利用 Lamport 风格的主张分解来组织依赖关系和验证步骤。

实验结果

研究问题

• RQ1 消费者可访问的 LLM 是否能够以可审计的端到端工作流贡献于研究水平的数学证明？
• RQ2 在光谱区域问题的 vibe-证明中，AI 产生的结构与人类验证之间的分工为何？
• RQ3 出现哪些验证瓶颈，工作流实践如何缓解？
• RQ4 是否可通过 LLM 辅助证明产生对 4 循环行随机矩阵族的非实特征值的完整、可检查表征？
• RQ5 基于转录本的工件和版本控制如何支持 AI 辅助数学的可审计性？

主要发现

• 稳定的 generate–referee–repair 循环产生对猜想的光谱区域特征的完整且可检查证明。
• LLMs 擅长提出全局结构和代数捷径，而人类处理正确性关键验证和长表展开。
• 验证瓶颈集中在少数关键义务（如紧致区间的不等式和因式分解步骤），这些更易于机械化检查。
• 并行补丁搜索、受限的裁判通过和版本控制的重写可减少回归并提高可审计性。
• 具有显式工件的可审计工作流程可以揭示 AI 辅助工作流的有益之处与仍然需要人类验证的环节。