2026 年 11 月 20 日,Levent Alpöge 公布了黎曼猜想(RH)及其对 Dirichlet L 函数的推广(本文简称 GRH)的一份候选形式化证明。源码使用 Lean 4,归档名为 lean.tar.gz,共 239 MB。14 个分卷的下载地址见作者的四页公告。MIT 的数论学者 Andrew Sutherland 随即搭了一个公开追踪页(math.mit.edu/~drew/grh/),记录 Lean 4 官方内核以及多个独立类型检查器(如 nanoda、con-leche)的重放进度。
完整核验的门槛取决于采用哪条路径。Sutherland 估计,用 Comparator 重放已导出的证明约需 100 GB 内存和 70 GB 磁盘;在他的 64 线程机器上,单用 con-leche 检查完整导出约需 50 GB 内存,运行不到四分钟。核验的对象和使用的硬件决定了这些数字能否直接比较。
但换一个软件工程和数据工程的视角看,这件事其实还有另一种打开方式。
面对一个约 1,737 万行、你一时跑不起全量 CI 的陌生大型仓库,工程师的第一步本来就不是立刻按下「全部编译」,而是先做三件轻量但高信息密度的事:
先读对外接口和断言——确认它声称证明的东西到底是不是大家以为的那个东西,有没有把测试写水;
摸清规模与依赖拓扑——看看它怎么拆分模块、有没有循环依赖,哪些模块能从入口到达;
扫一遍代码指纹与逃生舱——看看它是怎么写出来的,源码里有没有明显的作弊口子。
我把官方分卷拼回 lean.tar.gz,核对 SHA-256 与 Sutherland 核验页记录的原包散列完全一致(9631b4f020199e580ba86178cb56c6e9b09f690c2369a80dc4334aa93f49c7fc)后,用一个流式扫描脚本把整个归档过了一遍,全程没有把源码文件展开到磁盘上。
先把边界说在前头:这篇文章只做源码级的静态体检与顶层契约核对,不运行 Lean 4 内核,也不对证明的数学正确性下结论。但即便是这样一次静态解剖,扫出来的数据本身已经足够让人重新理解「大规模形式化证明」究竟长什么样。
一、先看「对外接口」:约 1,737 万行源码,暴露出来的契约只有 28 行
审计一个号称「全量通过」的大项目,最怕的不是实现写得丑,而是测试断言本身偷换了概念。在形式化证明里,这个问题对应着顶层命题定义(Statement):就算底下一百万条引理全部通过了类型检查,如果最顶上的目标命题漏掉了关键条件、或者自己重写了一个弱化版的黎曼猜想,整个证明就没有意义。
好消息是,这份约 1,737 万行源码的公开入口极其克制:源码目录 lean/src/ 的顶层只有两个 .lean 文件——Main.lean(12 行)和 Statements.lean(16 行),加起来刚好 28 行(含空行,末尾换行符不另计一行)。
先看 Main.lean:
import Statements
import Supplements.Kernels.MainTheoremsAll
theorem riemannHypothesis : RiemannHypothesis := rhOfAll
theorem riemannZeta_eq_zero_re : RiemannZetaZerosOnLine := rhOfAll
theorem LFunction_ne_zero_of_half_lt_re : DirichletLNonvanishingRightOfHalf := allChi
theorem LFunction_eq_zero_re : DirichletLZerosOnLine := claimAll.2.1
theorem LFunction_eq_zero_re_of_isPrimitive : PrimitiveDirichletLZerosOnLine := critAll再看 Statements.lean:
import Mathlib
def RiemannZetaZerosOnLine : Prop :=
∀ s : ℂ, riemannZeta s = 0 → (¬∃ n : ℕ, s = -2 * ((n : ℂ) + 1)) → s ≠ 1 → s.re = 1 / 2
def DirichletLNonvanishingRightOfHalf : Prop :=
∀ (N : ℕ) [NeZero N] (χ : DirichletCharacter ℂ N) (s : ℂ),
1 / 2 < s.re → (χ ≠ 1 ∨ s ≠ 1) → DirichletCharacter.LFunction χ s ≠ 0
def DirichletLZerosOnLine : Prop :=
∀ (N : ℕ) [NeZero N] (χ : DirichletCharacter ℂ N) (s : ℂ),
0 < s.re → s.re < 1 → DirichletCharacter.LFunction χ s = 0 → s.re = 1 / 2
def PrimitiveDirichletLZerosOnLine : Prop :=
∀ (N : ℕ) [NeZero N] (χ : DirichletCharacter ℂ N), χ.IsPrimitive →
∀ s : ℂ, 0 < s.re → s.re < 1 → DirichletCharacter.LFunction χ s = 0 → s.re = 1 / 2即便不熟悉 Lean 语法,按读接口文档的方式也能迅速核对出三件事:
没有另起炉灶定义 RH:
Main.lean第一条定理直接要求类型为RiemannHypothesis,而Statements.lean顶部直接import Mathlib(锁定在提交0df444a360ea)。这意味着它直接对接 Mathlib 社区维护的标准黎曼猜想定义,而不是自定义一个同名弱化谓词。排除了平凡零点与极点:
RiemannZetaZerosOnLine明明白白排除了负偶数 和极点 ,再断言 ;Dirichlet 函数在右半平面 的非零断言也写明了 (避开主特征在 处的极点)。明确了 GRH 的适用范围:后三条主定理针对正整数模数 的
DirichletCharacter.LFunction χ s,其中一条单列本原特征。这里的 GRH 专指 Dirichlet 函数的广义黎曼猜想,不包含更广义的自守 函数。
下面这个交互块可以直接展开阅读 Main.lean / Statements.lean 原文,也可以在浏览器本地校验你自己下载的 lean.tar.gz SHA-256(不会上传文件):
- 规模与拆分
- 依赖骨架
- 写法指纹
- 顶层契约
175,187 个模块 · 1,737.4 万行 · 202 层依赖 · 从「顶层契约与核对」看起
二、17.5 万个文件,中位数为什么只有 58 行?
看完了 28 行对外接口,下一步就是摸清这 239 MB 压缩包底下到底有多大、怎么组织。
这里有个很现实的数据工程细节:如果直接对 lean.tar.gz 执行解包命令 tar -xzf lean.tar.gz,它会在本机目录里写出 175,190 个文件(175,187 个 .lean 源码文件加上 lakefile.toml、lake-manifest.json、lean-toolchain 三个配置文件)。在本地文件系统上创建、索引和清理将近十八万个碎文件,元数据开销非常可观。
更省事的做法是把归档当成一条数据流来处理:一边对原始压缩流算 SHA-256,一边走 zlib.createGunzip() 解压,手写一个极简的 tar 帧状态机(顺手兼容处理超过 100 字节路径的 GNU L 与 PAX x 扩展头),在内存里单遍扫完每个文件的内容,只把统计和依赖图留在内存中。建图及拓扑排序也在同一次运行中完成。
扫出来的规模和文件长度分布,可以看出这个工程的文件切分粒度:
指标 | 实测值 |
|---|---|
体积(压缩归档 / .lean 文件内容合计) |
|
|
|
总行数 |
|
单文件行数分位数(最小 / P25 / 中位数 / P75 / P90 / P99 / 最大) |
|
50 行以内的文件占比 |
|
几乎一半的文件不超过 50 行,四分之一以上的文件不超过 20 行。
阅读这样的代码,常常要在大量短文件之间跳转。从工程角度看,细分模块可能有两个好处:
缩小增量重编译的范围:Lean 可以复用已经生成的
.olean文件;互不依赖的模块可以并行编译。实际耗时仍取决于证明项和依赖关系;适配生成—验证闭环的上下文窗口:如果生成工具按局部目标工作,小模块便于单独提交给编译器核对。归档没有记录每一步具体怎样生成。
与此同时,全库的目录分布也呈现极强的偏斜:按源码顶层目录分组,Development 一家就占了 141,928 个文件(81.0%,12,232,663 行,平均每个文件 86 行),而往 Development 内部再钻一层,单是 AbelianVarietyTheory 一个子目录就有 99,187 个文件(8,142,960 行,平均 82 行),占全库 56.6% 的模块数;紧随其后的是 AutomorphicArithmetic(18,431 个)和 AutomorphicSpectrum(15,147 个)。另外一边,Formalism 虽然只有 18,254 个文件(10.4%),但平均每个文件 175 行(是 Development 的两倍多),全库最长单文件(17,981 行)也出在这里。
- 规模与拆分
- 依赖骨架
- 写法指纹
- 顶层契约
175,187 个模块 · 1,737.4 万行 · 202 层依赖 · 从「规模与拆分」看起
三、202 层深、75 万条边:把证明当成一张构建 DAG 来读
文件切得这么碎,自然会引出第二个工程问题:这 17.5 万个模块是怎么串起来的?哪些模块在入口的传递依赖范围内,依赖图到底有多深?
我把每个 .lean 文件里的 import 抽出来分成两类:指向 Mathlib / Lean 标准库的记为外部依赖,指向项目内模块的按来源和目标去重,建成一张压缩稀疏行(CSR)邻接表,再跑两遍经典的图算法——从 Main 出发的 BFS 可达性搜索,和从叶子出发的 Kahn 拓扑排序。
结果非常干净:
内部依赖边:
753,261条(平均每个模块只直接import4.3个内部模块)。源码共写了 753,569 次内部导入,其中 308 次重复导入了同一模块;外部导入:
156,253次(平均每模块不到0.9次)。按来源模块和目标模块去重,共有 136,503 条外部依赖;环检测:拓扑排序一次处理完
175,187 / 175,187个节点,0 个循环依赖;最大深度:如果把没有内部依赖的叶子模块(
5,927个)记为第 0 层,有一半以上的模块在31–120层(共99,088个),最长的一条依赖链一路向上攀升到Main所在的第 202 层。
更耐人寻味的是可达性数字:从 Main 沿 import 图往下走,175,187 个模块 100% 可达。
不过,做工程审计不能只看漂亮的大数,顺手把顶层几层模块点开看一眼,会发现一个很值得记下来的细节:
Main (12 行, L202, 175,187 模块)
├── Statements (16 行, L0, 1 模块)
└── Supplements.Kernels.MainTheoremsAll (2 行, L201, 175,185 模块)
├── Supplements.Kernels.MainTheoremsCritical (4 行, L200, 175,183 模块)
│ ├── Supplements.Kernels.MainTheorems (16 行, L199, 175,179 模块)
│ │ ├── Development.AutomorphicArithmetic.CharacterBoxes.MainConclusion (175,174 模块)
│ │ ├── Formalism.GammaFactorNonvanishing.CritLine (14,301 模块)
│ │ └── Development.AutomorphicArithmetic.CharacterBoxes.ClaimStrip (2 模块)
│ └── 3 个 SmallClassNumbers 模块 (OnePoint / LenEqZeroIff / ClassNumberThree)
└── SmallClassNumbers.CorGKOf (29 行, L198, 170,702 模块)Main.lean 的五个定理在右端共引用四个不同的名字,它们均来自 Supplements.Kernels.MainTheorems(连同它自身,沿导入关系可达 175,179 个模块,即全库的 99.995%);而包在它外面的两层 2 行、4 行胶水文件(MainTheoremsAll 与 MainTheoremsCritical),顺带把 4 个 SmallClassNumbers 模块也 import 了进来,从而在 import 层面做到了严格的 100% 零残余。把「import 图可达」和「最终证明项实际使用」区分开,是读这类归档时很必要的小心眼。
如果再看看图里的极端节点,也能直观感受到大型证明工程的分层形态:
最高扇入(热点被引用):
Development.AbelianVarietyTheory.Definitions.Divisors.CTSmallCone被3,088个模块直接import,SiegelWeilAnisotropicHermitian被2,972个模块引用——类似软件工程里被全项目依赖的核心基础库;最高扇出(最宽聚合):
Formalism.HermitianCurvature.HeisenbergConjugationMeasurePreserving单个文件直接import了370个内部模块,GroundTheory.HeightsAndTheta.Heights.ComplexAnalyticSets.Assembly引入了320个——典型的汇流组装层。
- 规模与拆分
- 依赖骨架
- 写法指纹
- 顶层契约
175,187 个模块 · 1,737.4 万行 · 202 层依赖 · 从「依赖骨架」看起
四、0 行注释的代码库:声明和证明策略的「写法指纹」
在整个流式扫描跑完之后,最让我愣了一下的数字不是 17.5 万个文件,也不是 202 层深度,而是这一行输出:
lines: 17,374,215
codeLines: 15,531,759 (89.4%)
blankLines: 1,842,456 (10.6%)
commentLines: 0 (0%)我一开始以为是脚本解析写漏了什么,又单独写了一段脚本对全部 175,187 个 .lean 文件做原始字符串检索,查任何位置是否出现 -- 或 /-。结果依然是 0 和 0。
1,737.4 万行源码里,没有任何一行行注释、块注释或文档注释。无论是生成链路本来就不产注释,还是发布前经过统一清洗,这份归档呈现出的是一种彻底面向编译器、而非面向人类阅读的代码形态。
再往下看声明类型和证明策略(tactic)的统计分布,还能看出这批源码偏好哪些写法:
theorem 与 lemma 的比例高达 22.6 : 1。全库扫出
784,092条theorem、212,819条def,但只有34,663条lemma(另外有13,202条abbrev、8,286个structure、8,199个instance、121个inductive和43个class)。平均每个文件塞进了4.5条theorem。在 Lean 中,lemma同样可以声明定理,这份归档更常用theorem。在选取的策略关键字中,引入事实、重写和直接给出证明项最常见。按这 32 个关键字在行首的命中次数排序,前三名是
have(2,218,621次)、rw(1,511,076次)、exact(793,191次)。后面紧跟着obtain(58.9 万)、refine(51.8 万)、intro(50.1 万),常用的化简策略simp只排在第七位(48.0 万次)。光是have + rw + exact这三板斧的合计次数(452.3 万),就是simp的 9.4 倍。配合放宽的编译预算。打开
lakefile.toml也能看到配套的工程取舍:maxHeartbeats = 4000000(Lean 4 默认心跳上限是 20 万,这里放宽到了 20 倍),配套moreLeanArgs = ["--tstack=400000"],同时关闭了autoImplicit和relaxedAutoImplicit,避免隐式变量悄悄污染声明签名。
把这几条线索拼在一起看,能看见源码的一种偏好:用 have 写出中间事实,用 rw 进行局部重写,再用 exact 给出已有的证明项。行首频次无法还原自动化策略实际做了多少工作;项目配置给出的是允许的预算,哪些步骤确实需要这个上限还要另做实验。
- 规模与拆分
- 依赖骨架
- 写法指纹
- 顶层契约
175,187 个模块 · 1,737.4 万行 · 202 层依赖 · 从「写法指纹」看起
五、静态体检的信任边界:什么已确认,什么必须交给内核
把源码扫到这里,最后也是最关键的一步,是把「静态扫描已经排除了什么」和「静态扫描绝对证明不了什么」划清界线。
源码静态扫描已经确认的
在对全部 175,187 个 .lean 文件做词法级关键字扫描后,常见逃生舱的计数如下:
检查项 | 含义 | 全库实测次数 |
|---|---|---|
| 跳过证明的占位符或底层逃生公理 |
|
| 自定义额外公理 |
|
| 将原生编译求值结果作为额外信任前提 |
|
| 运行时替换或非安全声明 |
|
| 编译期元编程环境修改 | 5 处(见下) |
顺便提一句这 5 处 run_cmd:它们全部集中在 BuildAid/D1.lean 到 BuildAid/D5.lean,每个文件只有 4 行;最后一条命令的结构相同,屏蔽的名字各异。以 D1 为例:
import Lean.LibrarySuggestions.Basic
import Lean.Elab.Command
run_cmd Lean.modifyEnv fun env => Lean.LibrarySuggestions.nameDenyListExt.addEntry env "CompanionTheory"也就是说,这 5 处元编程只是在构建期让 Lean 4.33 的 LibrarySuggestions 在生成引理建议时排除这些名称( CompanionTheory、CrystallineSemistableComparison、GlobalTheory、PositivityTheory、UpperTheory),并不向内核注入公理。如果只泛泛地说「全库 0 异常」,反而容易漏掉这种真实存在的元编程痕迹;把它单独拎出来看清源码,心里才更有底。
源码静态扫描绝对无法替代的
尽管上面的体检指标都很干净,文本扫描永远不能等价于数学证明成立:
它不执行类型检查:源码里没有
sorry,不代表每一行都能在leanprover/lean4:v4.33.1与锁定版 Mathlib 下顺利通过类型推导,也不代表不会在某处触发内核 bug 或隐藏依赖。它不能替代 #print axioms 与独立内核复核:截至北京时间 2026 年 11 月 21 日 06:05,Sutherland 报告 175,187 个模块编译通过,并经 leanchecker 和 lean4lean 逐模块重放。五个入口定理的公理审计仅列出
propext、Classical.choice、Quot.sound。独立实现的nanoda、con-leche接受了完整导出,con-leche 的语句比对也通过了五项目标。此时 lake comparator 的端到端运行和 Lean 默认、paranoid 内核对完整导出的重放仍在进行。版本、日志和运行限制见 Andrew Sutherland 的验证页面。它不能替代数学界对语义与定义的审视:在所用检查器和公理的前提下,核验支持这些精确写出的命题。定义是否捕捉了预期的数学对象、证明的核心思想如何解释,仍需逐项阅读。
如果你手头也有这份归档,可以自己复跑。本文使用的流式剖析脚本已经放在仓库的 scripts/data/grh_corpus_data.mjs。在仓库根目录运行 node scripts/data/grh_corpus_data.mjs /path/to/lean.tar.gz,脚本会核对归档散列、打印统计并重新生成实验数据。运行时间取决于机器;归档字节不同会触发散列校验错误。
结语
回到最初的问题:本地扫描回答了这份归档写了什么、怎样组织。对五个入口定理的机器核验已经有独立结果,仍在运行的核验项目及后续更新可以在 Sutherland 的日志中逐一追踪。
光看这份 239 MB 归档,就能看见一个罕见的工程样本:175,187 个模块的长度中位数是 58 行,平均长度是 99.2 行;内部依赖图没有环,最长路径跨越 202 条边。源码里有约 78.4 万条 theorem 声明,没找到一行注释。
读到这里,我印象最深的是,一份数学证明也可以呈现出大规模软件工程与构建系统的质地——切片粒度、DAG 拓扑调度、单步算力预算、以及尽量小的可信计算基(TCB)。无论这次验证的最终结果如何,这套工程形态本身,大概率已经在预告接下来几年形式化验证世界的样子。
全文评论
0正在加载评论…