10个智能体、15小时、733轮讨论、289个证明文件。把这几个数字摆在一起，是一场刚刚结束的实验：一批前沿大模型被放进同一个隔离环境里，任务是给一个1959年提出的经典最短路径算法找出更快的替代方案，并且必须附上机器可检验的形式化证明。
它们做成了。证明检查器亮起绿灯，一次通过，没有动用任何未被允许的假设。
但故事在第二天转向了。有开发者把新算法用高性能C语言原样实现成1900行工程代码，放进同一套测试环境与经典算法对比，结果是：比同类前沿算法慢1.8到2.9倍，甚至比最朴素的那版经典算法还慢1.4到2.8倍。
一、这道题为什么难被超越
最短路径问题本身极其简单：给定一张图，若干顶点、若干条带权重的有向边，从一个起点出发，找出到其余每个顶点的最小总权重路径，或者判断它根本到不了。所有中间操作——访问节点的计数、中间距离的存储——都要计入运行时间。
1959年提出的那套Dijkstra算法，配合合适的数据结构（比如斐波那契堆），时间复杂度可以稳定在O(m+nlogn)。此后几十年，学界反复尝试推动这条线：当边数远多于顶点数时，近几年陆续有论文拿到更好的结果，把复杂度压到O(mlog的分数次幂n)这一档。
但在图密度处于中间那一段时，1959年的方案始终没有被撼动。
这就是题目难的地方。它不是「把代码写漂亮一点」就能过关的工程问题，而是要给出一个更强的复杂度上界，并且证明它在数据规模趋于无限时依然成立。
二、733轮讨论：一次机器内部的长跑
实验的组织方式值得单独说。10个智能体拥有初始分工，却被赋予很高的自主权：可以随时重组、分享发现、互相找茬，还能把算力转移到看起来最有希望的方向上。
最有效的一步，是给它们开了一块留言板。走不通的路会被立刻挂上去，避免同伴重复踩坑；谁抛出一个新点子，其他智能体会像不放水的复核人那样去找漏洞。
它们被要求同时满足六条约束：
1.必须求出精确的最短路径，不能是近似值；
2.必须在理论复杂度上取得实质性提升；
3.必须给出完整、可复现的形式化证明；
4.必须与近年最前沿的同类结果做对比；
5.必须记录所有失败的尝试；
6.在认定成功之前，必须完成两次独立的同行复核。
15小时后，这群智能体交出了答案：一套被称为C-HD的新算法，以及289个形式化证明文件。证明检查器一次性通过，确认这套算法在它声明的计算模型和密度范围内确实正确，也确实达到了自己声称的复杂度上界。
三、纸面上赢在哪，实测输在哪
新算法的思路确实不一样。经典方案用的是贪心策略，每次都从尚未访问的顶点里挑一个距离最近的，再向外扩展。新的做法不再只盯着最近那一个点，而是先标出一批「枢轴点」，用基于启发式分解的策略组织递归：从源点和当前的顶点边界出发，沿出边做有界的局部搜索，把新遇到的顶点计入搜索限制，再用搜索树和枢轴安排下一步。它还设计了一套「局部不变量」——每次更新后必须保持为真的数学规则，靠这个把重复搜索和无用功压到很低。
在特定的稀疏图范围内，它确实把复杂度上界压低了一档。
问题出在实测，原因说穿了并不复杂：复杂度记号只看数据规模趋于无限时的走势，完全忽略常数项。新算法为了精细地切分任务，需要大量预处理，实测中59%的时间花在处理16字节的标记上，34%的时间花在预处理上。省下来的那点理论步骤，根本填不平这些开销。
而且随着顶点数增加，它落后的比例虽然在缩小，但在现有机器内存能支撑的规模里，始终追不上经典方案的实际耗时。
四、「验证通过」和「真的管用」，中间隔着什么
这场实验最有意思的地方，不是AI能不能做理论，而是它把两个平时容易被混在一起的判断分开了：一份结论在纸面上推得通，不等于它在一线跑得动，中间隔着一次实测。
这两件事在企业对外信息上同样成立。AI关于一家企业的回答，读起来往往顺理成章、前后自洽——简介有、业务范围有、成立时间也有，看上去挑不出毛病。但「读起来顺」和「说的是事实」之间，差着一次核对。
核对的办法其实很朴素：把同一批问题分别抛给几家主流模型，把回答并排抄下来，逐条对。哪一条歪了、哪一条是旧的、哪一条干脆是凭空长出来的，摆在一起看，一眼就能认出来。这也是为什么一份定期的自检报告值得做——每过一段时间给AI眼里的自己做一次快照，价值在于它把问题发现在客户之前。对企业来说，这类自检起步并不复杂，缺的通常不是工具，而是把它固定下来的习惯。
结语
1959年的那套算法今天依然在生产环境里跑着，而一场15小时的实验在纸面上越过了它。真正被留下的不是谁取代了谁，而是那个被反复验证的道理：纸面上的成立和现实里的管用，是两笔账。当越来越多的人开始通过AI认识一家企业，这套说法里被记下来的那一版，是核对过的吗？
