著名计算机科学家高德纳惊讶地发现，他研究数周的有向哈密顿循环分解问题被Claude Opus 4.6人工智能成功解决。该问题涉及将m³个顶点的有向图分解为三个有向m³循环，高德纳此前仅解决了m=3的情况。这一突破让他重新思考生成式AI在自动推理和创造性问题解决方面的潜力。

克劳德的循环分解

唐纳德·克努特（斯坦福大学计算机科学系，2026年2月28日初稿，3月2日修订）报告了一项惊人发现：他研究数周的有向图哈密顿循环分解问题，竟被Anthropic公司三周前发布的混合推理模型Claude Opus 4.6解决。这一突破促使他重新审视"生成式AI"在自动演绎和创造性问题解决中的潜力。

问题描述
考虑具有m³个顶点的有向图（顶点标记为ijk，0≤i,j,k2时）。克努特此前已解决m=3的情况，其友人Filip Stappers通过实验验证了4≤m≤16的解存在性。

Claude的求解过程
1. 问题重构：Claude首先将问题转化为寻找顶点到S₃置换群的映射σ，使得每个功能有向图构成单一哈密顿循环。
2. 多阶段探索：
- 尝试线性/二次函数无果
- 采用深度优先搜索（m=3时因状态空间过大放弃）
- 发现二维"蛇形模式"解，并识别图为凯莱有向图
- 构建三维蛇形模式（实为模m格雷码）
3. 关键突破：引入"纤维分解"技术，通过商映射?(i,j,k)=i+j+k mod m将图分层，最终在第31次探索中通过Python程序生成适用于m=3,5,7,9,11的解。

数学证明
程序生成的循环规则如下（以第一个循环为例）：
- 当s=(i+j+k) mod m=0时：若j=m-1则i增1，否则k增1
- 当0 - 当s=m-1时：若i>0则j增1，否则k增1

通过分析顶点坐标的模运算性质，可证明该构造对所有奇数m成立。特别地，当m=3时循环路径为：
022→002→000→...→222→022（共27步）

理论扩展
研究发现：
- 存在11502种m=3的哈密顿循环分解
- 其中996种可推广至所有奇数m>1
- Claude的解法属于"类克劳德分解"（仅依赖i,j,s是否为0或m-1）
- 严格证明显示760种此类分解具有普适性

遗留问题
偶数m的情况仍待解决（m=2已被证明不可行）。Claude虽声称找到m=4,6,8的解，但未能形成通用构造方法。

这项研究展示了AI在组合数学领域的潜力，其解决问题的系统方法（包括问题重构、分层分析和程序验证）为自动推理提供了新范式。完整证明细节可参阅原始论文附录及参考文献[1-3]。

以下是评论内容的总结，平衡呈现不同观点并保留关键引用：

1. AI解决问题的能力与潜力

   • 观点：AI（如Claude）在人类指导下能解决复杂问题，展现知识广度和连接能力。
     引用："Knuth poses a problem...Claude eventually writes a Python program" (iandanforth)
     "LLMs...possession of a superhuman expanse of knowledge...making connections" (beej71)
   • 质疑：部分成果可能只是训练数据的复现，而非真正"思考"。
     引用："Solves? It's a part of the training set" (miroljub)
     "Are not LLMs supposed to just find the most probable word..." (ainiriand)

2. 人机协作的价值

   • 观点：人类专家引导AI能解决长尾问题，推动智能理解。
     引用："human-model collab...can stack up understanding of intelligence" (fazkan)
     "Experts know how to coerce models into correct conditional distributions" (mccoyb)
   • 案例：Claude在提示下快速编写程序（但仍有类似人类的错误）。
     引用："it created a C# program...sort of a silly mistake" (Pat44113)

3. 技术局限与未来挑战

   • 持续学习难题：如何让AI跟上科学前沿发展速度。
     引用："how these models keep up with expanding boundary of science" (mccoyb)
   • 对重大问题的期待：如统一相对论与量子物理。
     引用："How long until we throw AI at 'connect general relativity...'" (ecshafer)

4. 态度分歧

   • 乐观：认为当前成果值得深入研究。
     引用："Fascinating report...read without the help of LLM" (ontouchstart)
   • 保留：需独立验证AI生成内容的价值。
     引用："Time to sit down...understand it without LLM" (ontouchstart)

（总结严格遵循：1.按观点分类；2.保留评分None因原文无数据；3.平衡正反引用；4.中文简洁；5.每条观点附2-3原始引用）