微软研究院解决31年数学难题：KLS猜想获突破性证明

摘要：微软研究院的研究人员成功解决了困扰数学界31年的KLS猜想，这一成果对高维几何、概率论和理论计算机科学具有深远影响。研究团队通过结合新数学方法与人类指导的AI系统，证明了在任意维度下，最优平面切割与最优切割之间的差距被一个通用常数所限制。这一发现不仅验证了高维空间的行为比之前认为的更为规则，还为随机算法效率的理论分析提供了重要基础。

---

微软研究院解决31年数学难题：KLS猜想获突破性证明

核心突破

微软研究院的研究人员成功解决了困扰数学界31年的KLS猜想。这一猜想由Kannan、Lovász和Simonovits在1995年提出，旨在探讨高维空间中平面切割与任意形状切割之间的关系。研究表明，在任意维度下，最优平面切割与最优切割之间的差距被一个通用常数所限制。这一发现验证了高维空间的行为比之前认为的更为规则，对高维几何、概率论和理论计算机科学具有深远影响。

技术细节

研究团队通过结合新数学方法与AI系统，进行了以下关键步骤：

1. 改进数学界限：研究团队首先改进了2026年7月的结果，使数学界限更加精确。
2. 递归应用新准则：他们发现新准则可以递归应用，每次改进的界限可以反馈回同一论证中以产生更紧的界限。
3. 消除维度依赖：通过重复递归优化，研究人员证明了累积误差保持有界，从而消除了对维度的依赖，最终完成了证明。

AI工具在探索候选方法、执行详细推导、准备手稿和执行内部证明检查方面提供了重要支持，而研究人员则负责确定数学方向、选择有前途的想法，并将它们组装成最终论证并验证证明。

独立验证

在研究人员发布完整证明的同一天，另一组顶尖专家也发布了一份独立开发的完整证明。他们的工作建立在微软论文第一版的基础上，并将其称为“证明中的关键步骤”。此外，还有第三份证明也依赖于相关思路。随后的Lean 4形式化验证进一步增强了这一结果的可靠性。

人类-AI协作

在证明KLS的过程中，研究还展示了研究人员指导AI而非简单依赖AI解决复杂问题的力量。研究团队使用了一种迭代的、人类辅助的“修剪”过程：在多个代理并行探索想法变化的同时，研究人员检查中间结果，淘汰无前景的方向，并将最有希望的结果传递给下一轮。

结论

KLS猜想的解决解决了一个高维几何中的核心问题，许多之前依赖于该猜想作为假设的结果现在可以无条件地陈述。这一证明为凸几何、概率论和理论计算机科学的研究提供了更坚实的基础。同时，该研究也展示了在科学研究中，人类与AI协作的重要性，以及科学判断在识别有前途的方向、识别概念联系和看到部分洞察指向更深层次结果时的持续重要性。

---

消息来源：Microsoft Research AI (2026-10-21)

—— 完 ——

主题标签： #KLS猜想 关注 #高维几何 关注 #AI辅助研究 关注 #理论计算机科学 关注 #微软研究院 关注