数学家Hales撰文讨论Lean形式化数学的可靠性。2026年AI自动形式化取得突破，Fermat大定理等被快速形式化，但同年夏季发现多个Lean内核可靠性漏洞，可证明假命题。应对方案包括多内核交叉验证、形式化验证内核（如Con-Leche）及加强类型论元理论研究。作者警告AI时代不可盲信系统，需人类审计。

本期Python潮流周刊聚焦：AI用11天完成费马大定理的机器可验证证明；Python拟新增export关键字（PEP 842/843）；一个Key可调用3000个工具。内容还涉及UnboundLocalError作用域解析、Protocol与ABC接口设计、Django治理精简、PyLadiesCon遭灌入2249个假账号、MongoDB迁移及AI代码审查等。开源项目推荐包括wrapture、nonebot2、GLiNER2、autoclip、PixelRAG等12个。

数学家Bryna Kra指出，AI大幅降低了生成复杂数学证明的成本，产出速度远超学界消化能力。她以研究近三十年的Nivat猜想为例，近期收到多篇疑似AI辅助的证明，作者却拒绝解释论证。她认为证明不仅关乎正确性，更承载理解与洞见，数学界需调整激励机制，重视验证、阐释与集体理解，而非仅奖励定理产出。

Claude借助Lean证明助手，仅用11天完成费马大定理的形式化验证，产出1300万行代码，证明约三万条定理，远超人类预估的10年工期。这冲击了传统同行评议体系，但也带来代码可读性差、难以复用、代码库碎片化等问题。AI虽能验证逻辑，却无法判断数学价值。

Anthropic宣布Claude用11天完成费马大定理的端到端形式化证明，生成约1300万行Lean代码和超3万个中间定理，规模超Mathlib五倍。通过Prove2Me平台协调多Agent协作，消耗60亿Token，人类指导有限。这标志AI可大规模自动化数学形式化，同时OpenAI正推广GPT-6 Astra。

CAP定理指出，分布式系统在一致性、可用性和分区容错性中只能同时保证两项。由于网络分区不可避免，实际选择是在分区时偏向一致性（CP）或可用性（AP）。CP系统优先正确性，AP系统优先可用性。真实系统如Cassandra、DynamoDB提供可调一致性，设计时应根据数据特性和故障影响权衡。

OpenAI内部版Astra模型以约2000美元API成本解决了数学和理论计算机科学中10个长期未解问题，虽未达千禧年大奖级别，但展示了前沿推理可量化成本。开发者可按推理预算规划研究，未来小型团队或能通过API负担此类实验，改变前沿AI使用格局。

LongCat-Flash-Prover 是一款开源数学定理证明模型，能够将自然语言问题转化为形式化描述，并通过自动形式化、草稿生成和证明生成三大功能进行严谨证明。该模型在多个基准测试中表现优异，刷新了开源模型记录，展现了 AI 在数学研究中的潜力。

筛选理论的一个基本问题是理解去除某些同余类后整数集的变化。若同余类互质，密度易得；若不互质，情况则复杂。罗杰斯定理指出，固定时去除所有同余类可以最大化剩余集的密度。

CAP定理在分布式系统中指出，必须在一致性（C）和可用性（A）之间做出选择，无法同时满足。网络分区（P）是不可避免的，系统需在分区发生时选择保持一致性或可用性。例如，社交媒体系统优先可用性，而航班预订系统在搜索时优先可用性，预订时优先一致性。

Rachel Greenfeld和我在arXiv上传了论文《周期铺砖猜想的一些变体》，探讨了周期铺砖现象的变体，研究了在特定情况下平移铺砖的图形是否能周期性铺砖。我们在离散阿贝尔群的情况下得出了一些正面结果，提出了多个定理，并证明了与周期铺砖相关方程解的可判定性。