Q&A：Hyra、Hy3 如何解开加法组合学中一个半个多世纪的难题？

Q1：这篇内容的核心消息是什么？

核心消息是：在科研智能体 Hyra 的帮助下，基于开源的 Hy3 模型，研究者找到了一种关键构造，给出加法组合学中一个长期开放问题的完整答案，并证明了一个重要结论：2 确实是该问题的上确界。

这意味着，围绕有限整数集合的“和集”和“差集”扩张问题，经过半个多世纪的探索，终于获得了完整解决。

Q2：这里讨论的“和集”和“差集”到底是什么？

Q2.1：什么是集合 A？

来源中讨论的是一个至少包含两个元素的有限整数集合，记作 A。

Q2.2：什么是和集 A+A？

把 A 中任意两个元素相加，收集所有不同的结果，得到 和集 (A+A)。

Q2.3：什么是差集 A-A？

把 A 中任意两个元素相减，收集所有不同的结果，得到 差集 (A-A)。

Q2.4：为什么要看“不同结果”？

因为重复结果只计算一次，所以真正关心的是：经过加法或减法后，这个集合会扩张到什么程度。

Q3：数学家是如何衡量这种扩张的？

来源中提到两个量：和集的扩张倍数与差集的扩张倍数。为了衡量它们的关系，可以定义一个指数 C(A)。文中强调的关键问题是：

2 只是一个宽松上界，还是可以被任意逼近的最优指数？

Q4：这个问题为什么重要？

因为它属于加法组合学中的经典开放问题，且已经悬而未决半个多世纪。问题本身看似简单：一个有限整数集合，经过加法和减法后到底会膨胀多少？但真正困难的是要找到能不断逼近极限的显式构造，而不是只做有限试验。

Q5：历史上这个指数是怎么一步步推进的？

Q5.1：早期进展是什么？

来源列出了若干代表性推进：

• 1969 年：约 1.0290
• 1973 年：提高到 1.0598
• 2013 年：进一步达到 1.1259

Q5.2：最近的 AI 辅助搜索有何进展？

近一年来，多项 AI 辅助搜索将数值推进到 1.1449。另外，在论文记录的一项内部探索实验中，Codex（GPT-5.5）配合人类引导将它提高到 1.2851。

Q6：Hyra 和 Hy3 的突破点在哪里？

Hyra 与开源模型 Hy3 的突破，不只是把数值继续往上推，而是给出了一族显式构造的有限整数集，满足：

任意接近 2 的目标，都能被超过。

这就不是单纯“找到一个更大数值”这么简单，而是证明了：2 确实是这个问题的上确界。

Q7：这是否只是一次暴力搜索？

不是。来源明确说明，这并非简单的暴力搜索。

此前，Georgiev、Gómez-Serrano、陶哲轩和 Wagner等研究者曾借助 AlphaEvolve 优化搜索算法和候选集合。但这类方法依赖有限集合的显式枚举，随着规模增大，计算和内存成本会迅速上升，也难以自然过渡到可证明的渐近构造。

Q8：Hyra 的研究过程是怎样展开的？

Q8.1：第一步做了什么？

研究者首先用 Hyra 在有限搜索中将最好结果从约 1.14 提高到 1.21。

Q8.2：随后如何转向更深层的证明？

之后团队转向用自然语言提出数学构造和论证，并使用 LLM judge 为探索过程提供反馈。

Q8.3：Hyra 最终提出了什么核心思路？

经过约 24 小时运行，Hyra 提出论文核心思路：利用十二进制数字结构和一个精巧构造控制差集，再结合循环群上的对称加法基与中国剩余定理，使和集以接近平方的速度扩张。

Q8.4：之后又做了什么？

研究者对结果进行了独立检查并整理出完整证明，同时给出了 Lean 4 形式化证明。

Q9：这个成果最终带来了什么结论？

一个悬而未决半个多世纪的问题，在 Hyra 发布后一周迎来了完整答案。目前：

• 论文预印本已公开
• 显式构造已公开
• 形式化证明已公开

Q10：这里有哪些可供实际操作或复现的资源？

如果你想继续阅读或复现，来源中给出了以下链接：

• 论文：https://arxiv.org/abs/2607.27199
• Lean 形式化证明：https://github.com/linhaowei1/sum-diff-proof
• X / Twitter：https://x.com/TencentHunyuan/status/2082655737541726636
• Hyra 介绍：https://hy.tencent.ai/research/hyra
• Hy3：https://github.com/Tencent-Hunyuan/Hy3

Q11：这项工作适合哪些读者？

主要适合以下人群：

• 关注数学前沿的读者
• 研究加法组合学的人
• 对AI 辅助科研感兴趣的人
• 关注形式化证明与 Lean 4 的技术读者
• 希望了解大模型如何参与数学研究的读者

Q12：这项成果适合哪些使用场景？

来源内容对应的使用场景主要有：

• 科研学习：了解如何用 AI 辅助提出数学构造
• 论文阅读：追踪加法组合学问题的最新进展
• 形式化验证：查看 Lean 4 证明实践
• 模型研究：观察 Hyra、Hy3 的科研探索方式

Q13：最后应如何总结这篇内容？

我的理解是，这篇内容的价值不只在于“AI 又做成了一件事”，而在于它展示了：从有限搜索到可证明构造，AI 可能真正参与数学发现流程，并把一个长期问题推进到可验证的终点。Hyra 的意义，不只是提升数值，而是帮助找到了能证明2 是上确界的关键结构。

对于数学研究者来说，它提供了一个新方法；对于 AI 研究者来说，它展示了科研智能体在提出构造、接受反馈、协助形式化方面的潜力；对于普通读者来说，这则新闻也让“数学”和“AI”之间的联系变得更具体。

#Tags： #开放问题

关键短语： 和集、差集、上确界、显式构造、加法组合学、科研智能体、Lean 4 形式化证明