GPT-5.6与Fable 5联手，证明MIMO检测算法并攻克悬置25年的数学难题
微软研究院首席研究员Dimitris Papailiopoulos借助GPT-5.6和Fable 5，证明了一个多项式时间算法能在信噪比达到2logN时精确完成MIMO检测，首次达到最大似然阈值，填平了自2001年以来悬而未决的鸿沟。该证明历时七天，算法由LMMSE取整和贪心逐位翻转两步组成，整体复杂度为O(N^3)，且证明为双向结果。
事件概述
微软研究院首席研究员 Dimitris Papailiopoulos 在 GPT-5.6 与 Fable 5 的辅助下，证明了一个多项式时间算法能让 MIMO 检测在信噪比等于 2logN 时精确恢复发送比特，首次触及最大似然阈值。整个证明过程耗时七天。
这一结果是双向的：信噪比达到阈值时可精确恢复；信噪比略低于 2logN 时，连最大似然检测本身也会开始失败。
问题背景
MIMO 检测是无线通信中的经典问题：发送端将 N 个比特经 N×N 信道发出，接收端只拿到被混合和噪声污染的信号，需要还原原始比特。最大似然检测通过穷举 2^N 种组合可保证正确，但计算量指数级增长。1989 年，Sergio Verdú 证明最坏情况下该问题为 NP-hard；但随机信道下，学界关注是否存在不依赖穷举的快速算法。
此前研究给出了精确分界线：信噪比达到 2logN 时，发送比特能被完全恢复的概率趋近于 1，即最大似然阈值。2001 年，Hassibi 和 Vikalo 提出球形译码的期望复杂度为多项式时间；2005 年，Jaldén 和 Ottersten 推翻这一结论，证明其期望复杂度实际仍为指数级。后续的半正定松弛、比特翻转局部搜索、AMP、统计物理方法均未严格匹配阈值；2020 年 box relaxation 的最好结果为信噪比达 4logN 时精确恢复，仍是理论门槛的两倍。
关键结果
Dimitris 将问题交给 GPT-5.6 和 Fable 5。GPT-5.6 给出的证明路径基于 AMP；Fable 5 给出不同路径，即“符号 LMMSE 加贪心逐位翻转”——一种业界实际使用但从未被严格证明过的算法。Dimitris 选择 Fable 5 的路径，由 GPT 检查并修补漏洞，之后让两个模型互相简化论证，最终得到可逐行手算核对的证明。他没有使用 Lean 做形式化验证，理由是自身不熟悉该工具。
证明的算法分两步：
- LMMSE 取整：先用线性最小均方误差估计给出连续值粗略猜测，再按正负号取整为 +1/-1。论文证明取整结果与真实发送比特的汉明距离为 o(N)，即错误比例随 N 增大趋近于零。
- 贪心逐位翻转：从该猜测出发，每轮翻转使代价函数下降最多的比特，直到无法继续改进。论文证明在猜测起点附近，每个未猜对的点都存在使代价严格下降的翻转，且下降幅度有非零下限；同时代价函数随汉明距离增大而增大，形成护栏，阻止搜索跑出范围。因此搜索不会卡在错误点，唯一停止点就是真实发送的比特串。
整体复杂度为 O(N^3) 次运算，其中贪心搜索部分为 O(N log N) 步。Dimitris 表示已从头到尾验证过证明过程。
值得关注
此次结果不仅填平了统计可恢复性与快速算法可恢复性之间 25 年的鸿沟，也展示了 AI 在构造和修补数学证明中的实际作用。对 Dimitris 个人而言，他 2009 年读博期间曾用 MCMC 方法尝试解决同一问题但未成功，17 年后在 AI 辅助下完成了这项证明。