来源：新智元
Opus 5.5 首次在理论上撼动了 Dijkstra 最短路径算法。
Vals AI 刚刚公布了一项足以载入计算机科学史册的突破。
他们让 10 个 Claude Opus 5.5 智能体去挑战计算机科学本科经典算法——Dijkstra，成功找到了一种更快的路径。
对于所有学过计算机的人来说，Dijkstra 算法是一个神圣不可侵犯的名字。它是计算机科学的基石，几代顶尖科学家在它身上耗费了无数心血，试图把它优化到极致。这种被人类研究得底朝天的经典问题，想要再往前推进一步，难如登天。
这不是什么「把代码写得优雅一点」就能解决的工程问题，而是需要从底层数学上证明：哪怕在无限大的数据规模下，新算法确实更快。
结果，奇迹发生了。
Vals AI 团队把 10 个 Opus 5.5 智能体放进一个沙盒里，它们可以在虚拟留言板上交流、找茬，甚至为了某个技术路线「大吵一架」。15 小时后，留言板上留下了 733 次激烈的讨论记录。
15 小时后，它们交卷了。这群 AI 不仅给出了一个名为 C-HD 的全新算法，还附带 289 个文件的 Lean 形式化证明，直接扔给 Lean Kernel 做机器验证，并且一次性通过。
一时间，算法圈震动了。
有人惊呼：「过去需要人类花几年去试错的研究，现在居然被 Agent 在半天内并行复制了？」
算法神坛上的 Dijkstra
Dijkstra算法 要解决的问题极其简洁，也极其核心。
给定一个图，包含若干顶点和连接它们的有向边，每条边有一个非负实数权重。从某个起点出发，你需要找到前往图中每一个其他顶点的最小总权重路径，或者判断其不可达。其中，所有内部操作（比如访问节点的计数、中间距离的存储）都会计入运行时间。
在这个领域，Edsger W. Dijkstra 在 1959 年提出的算法至今仍是神一般的存在。
配合斐波那契堆等合适的优先队列数据结构，Dijkstra 算法的时间复杂度达到了理想的 $O(m + n \log n)$，其中 $n \geq 2$ 是顶点数，$m$ 是边数。
在当今的理论前沿，当 $m \geq n$ 时，也有其他方向的突破。比如 2025 年的一篇重磅论文将复杂度推进到了 $O(m \log^{2/3} n)$：
紧接着在 2026 年的后续研究中又达到了：
但在图的密度处于某种中间状态时，Dijkstra 依然是无法撼动的王者。
这次人类给 AI 出的终极难题就是——设计一种比 Dijkstra 更快的最短路径算法，并且必须用 Lean 数学形式化语言证明它。
15 小时，733 次灵魂探讨：10 个 AI 如何「吵」出 C-HD 算法
如果说此前的 Hugging Face 事件和攻克 NS 难题教会了我们什么，那就是：智能体可以极大地压缩人类在难题上取得进展的时间。
而让 Agent 协同工作的最有效方法，就是给它们一个「交流论坛」，人多力量大。
实验中，人类拉起 10 个 Claude Opus 5.5 Agent 实例，将「努力值」拉满。这 10 个 Agent 拥有初始的分工角色，但被赋予了极高的自治权——可以随时重组工作、分享新发现、互相质疑，并将算力转移到看起来最有希望的方向上。
然后，人类给了它们一长串苛刻的 prompt：
- 必须在带有非负实数权重的有向图上，寻找精确的最短路径。
- 必须在理论复杂度上实现实质性的提升。
- 必须提供完整的、可复现的 Lean 数学证明。
- 必须和 2025 年、2026 年人类最顶尖的最新论文（比如将复杂度压到 $O(m \log^{2/3} n)$ 的前沿成果）进行对比。
- 必须记录所有失败的尝试，避免其他 Agent 重复踩坑。
- 在宣布成功前，必须完成两次独立的「AI 同行评审」。
接下来，在 15 个小时的「闭关锁国」中，这 10 个 Opus 5.5 开始疯狂运转，仿佛一支特种部队，表现出惊人的协作能力。它们发现了一些走不通的死胡同，就会立刻在留言板上大喊：「这条路不通，别试了！」如果有 AI 提出了一个新点子，其他 AI 就会像无情的审稿人一样，疯狂寻找漏洞。
最终，它们交出了成果——C-HD 算法。
C-HD 到底凭什么敢叫板 Dijkstra？
经典的 Dijkstra 算法采用贪心策略，每次都老老实实地从当前未访问的顶点中挑一个距离最近的，然后再向外扩展。配合斐波那契堆后，它的时间复杂度可以稳定在 $O(m + n \log n)$。
但 10 个 Claude 觉得，这还不够快。
它们搞出的 C-HD 算法，在策略上进行了根本性的创新。
有网友特意让 Opus 5.5 画了一张原理对比图：在 C-HD 的世界里，算法不再像 Dijkstra 那样只盯着单个最近点，而是会标出一批黄色的「枢轴点」。
它们引进一种基于启发式分解的巧妙策略，具体理念如下：
- 从源点和当前的顶点边界出发。
- 沿着出边运行有界的局部搜索。
- 将新遇到的顶点计入搜索限制，即便是当某条边并没有改善距离估计时，那些未探索的叶子节点也会被计算在内。
- 利用由此产生的搜索树和「枢轴」，来组织递归工作。
更绝的是，AI 们还给这个算法设计了严密的「局部不变量」——也就是每次更新后必须保持为真的数学规则。通过小心翼翼地删除无效边并限制局部搜索，C-HD 极限地压缩了重复搜索和数据结构上的无用功。
结果，在一个特定的稀疏图范围内，经典 Dijkstra 的复杂度是 $O(n \log n)$：
而 C-HD 算法硬生生将其压低到了 $O(n \log^{11/12} n)$：
具体来说，C-HD 算法确立了以下惊人的复杂度上界：
其中，验证范围是 $O(n \log^{11/12} n)$：
相比之下，Dijkstra 的 $O(n \log n)$ 前导项比率为 $(\log n)^{1/12}$：
在这个特定的稀疏图区间内，C-HD 实现了严谨的渐近复杂度超越。
接下来，它们完成了最具含金量的一环——形式化验证。10 个 Claude 提交了 289 个 Lean 文件，构建了完整的定理：
-- From namespace Frontier.CHD.Final:
theorem chd_CHDTarget : GateCTarget.CHDTarget GateCCalc.F :=
⟨chdProgram, chd_exact_within.1,
bodyC KcC + 65536 * 9 + 100, chd_exact_within.2⟩
经过漫长的编译和机器验证，Lean Kernel 亮起了绿灯：证明通过！
可以确认：在 AI 定义的计算模型和图密度范围内，C-HD 算法绝对能够正确求出最短路径，并且绝对达到了它声称的 $O(n \log^{11/12} n)$ 复杂度上界。同时，证明过程中没有使用任何未被允许的作弊公理。
Vals AI 的开发者感叹道：
一队智能体能做什么，真是引人入胜。数据中心里的天才之国——这个预测离现实并不太远。
反转了：理论很丰满，现实很骨感
如果在这里结束，那将是一个完美的结局。
C-HD 算法的消息一出，极客们坐不住了。一位名叫 danalec 的开发者在 GitHub 上连夜肝出了一个名为 C-HD 的项目——他用高性能 C 语言（MSVC，C17）将 C-HD 算法原封不动地敲成了 1900 行的工程代码，并将其与经典的 Dijkstra 以及 2025 年的 DMMSY 算法放进同一个竞技场里跑分。
结果一出来，大家都沉默了。
在实测数据图表中，C-HD 算法被按在地上摩擦：它依然比 DMMSY 慢了大约 1.8 到 2.9 倍。甚至，它比最朴素的 Dijkstra 算法还要慢 1.4 到 2.8 倍。
怎么回事？难道 AI 骗了 Lean 内核？
并没有。懂行的人一眼就看出了端倪——常数爆炸。
在算法理论中，大 O 记号只考虑当数据无限大时的趋势，而完全忽略了常数项。虽然 C-HD 在理论上少了一点点运算次数，但在实际工程中，它需要疯狂地进行预处理。根据实测，C-HD 算法在跑一次任务时，59% 的时间耗在了处理 16 字节标签，34% 的时间耗在了预处理上。
在实际的图论规模下，C-HD 省下来的那点理论步骤，根本弥补不了它为了「花式切分任务」付出的巨大内存调度和预处理代价。而且随着顶点数增加，它落后于 Dijkstra 的比例虽然在缩小，但在人类有生之年能用到的机器内存极限内，它永远也追不上 Dijkstra 的实际物理耗时。
开发者们这样评价：「博客写得很好，但这算法在现实中太鸡肋了。」
或许这就是人类没死磕这个方向的原因：对纯数学来说太偏工程，但对工程来说又毫无实用价值。
不过，C-HD 依然让人细思极恐。
Vals AI 的作者这样写道：一个装在数据中心里的「天才国度」，这个预言已经不远了。
C-HD 的工程失利，丝毫无损于它在 AI 史上的里程碑意义。
10 个 Claude 在 15 小时内推导出 C-HD 算法，就是 AI 领域的「莱特兄弟时刻」。它证明：AI 完全有能力踏入纯理论的无人区。它们不仅仅是在搜索已有知识，而是真的在「组合、推演、创造」人类甚至未曾设想过的解法。
推导常温超导的晶体结构，穷举治愈癌症的靶向蛋白折叠路径，求解黎曼猜想……都在眼前了。
当几十年后，人们回望 AI 接管科研的起点时，一定会想起 2026 年 9 月的这个事件。
人类的算法教科书，或许真的要由 AI 来重写了。
参考资料：
发表于 1 小时前
|
查看: 4|
回复: 0
