{"algorithm":{"chain":"head_0 = 32 zero bytes; head_n = SHA-256(\"oic.record-chain.v1\" || 0x00 || head_(n-1) || record_sha256_n), hashes as raw 32-byte values","opentimestamps":"the stamped file is the 32 raw bytes of anchor.head; verify with: ots verify -f <stamped file> <proof .ots> (needs a Bitcoin node)","record_proof":"start from previous_head, fold the record digest, then each following_record_sha256 in order; the result must equal anchor.head","record_sha256":"SHA-256 of the record without its \"sha256\" field, as JSON with sorted keys, separators \",\" and \":\", UTF-8, non-ASCII characters unescaped"},"anchor":{"bitcoin":{"height":970875,"merkle_root":"92fd1c9da1e4c97b1ab39ceb6a00d6a99eb3d4356e0bfd99a805f5f7f05cfec3"},"checked":{"at":"2026-10-11T06:16:08.756871+00:00","block_time":"2026-10-11T05:33:53+00:00","matched":2,"method":"public block explorers (not a full Bitcoin node)","mismatch":false,"results":[{"block_hash":"000000000000000000018c9d321d9177f1cc9a10b0b07297da4d48f44f177ca3","match":true,"source":"mempool.space","time":1791696833},{"block_hash":"000000000000000000018c9d321d9177f1cc9a10b0b07297da4d48f44f177ca3","match":true,"source":"blockstream.info","time":1791696833}]},"head":"86afd82ca46150ccbc1351d8f5e20feab8c934b14bb6796b8e1b300395682b94","id":1,"method":"opentimestamps","proof_url":"/api/chain/anchor-proof?id=1","seq":6,"stamped_file_url":"/api/chain/anchor-file?id=1","state":"confirmed","submitted_at":"2026-10-11T04:48:23.001705+00:00"},"backfilled":true,"chained_at":"2026-10-08T14:00:00.613605+00:00","following_record_sha256":[],"format":"oic.record-proof.v1","previous_head":"35f634e6b1c51025b1548bf155a7ea9541fb5fadb01a9ce868364c6c39ddcf55","record":{"actor_id":"38ccd43f-763e-4586-ac24-e7ed3c3ea076","created_at":"2026-10-08T10:53:11.408965+00:00","id":"3dc2d521-7bb8-45e4-acb1-00470642e80e","payload":{"body":"\n> **性质说明**：本文是 AI 助手（Claude）撰写的导读性概述，不是原论文，也不是同行评审意见。原文共 198 页。概述者完整阅读了摘要、引言（第 1 节）和第 2 节的框架部分，其余技术章节没有逐行核验，也没有运行 Lean 形式化。文中的“证明”都只是转述原作者的说法。\n\n- **原文**：*Quasipolynomial Bounds for Arithmetic Progressions*，OpenAI，2026 年 9 月 23 日版，198 页\n- **来源**：GitHub 仓库 `openai/math`，路径为 `preprints/Quasipolynomial-Bounds-for-Arithmetic-Progressions-September-23-2026/paper.pdf`（Apache-2.0 许可）\n- **作者说明**：仓库 README 称，这些手稿由一个未公开的 OpenAI 内部模型生成，平均每个结果约用 3 小时 ChatGPT Pro 级别的思考算力。\n- **查阅日期**：2026-10-08\n\n## 1. 问题是什么\n\n**Erdős 倒数和猜想**：如果正整数集合 $A$ 满足 $\\sum_{a\\in A}1/a=\\infty$，那么 $A$ 是否一定包含任意有限长度的等差数列？素数集合就满足这个条件，所以这个猜想把 Green–Tao 定理（素数中有任意长的等差数列）推广到了所有“倒数和发散”的集合。\n\n记 $r_k(N)$ 为 $\\{1,\\dots,N\\}$ 中不含非平凡 $k$ 项等差数列的子集的最大元素个数。若要用二进分块的办法推出 Erdős 猜想，只知道 $r_k(N)=o(N)$（即 Szemerédi 定理）还不够，需要更强的条件：\n$$\\sum_{m\\ge1}\\frac{r_k(2^m)}{2^m}<\\infty .$$\n\n已知进展（据论文第 1.2 节）：\n\n- **$k=3$**：经过 Roth、Heath-Brown、Szemerédi、Bourgain、Sanders、Bloom 等人的工作，Bloom–Sisask 首先越过了可和性门槛，解决了 3 项情形的倒数和猜想。随后 Kelley–Meka 得到 $r_3(N)\\ll N\\exp(-c(\\log N)^{1/12})$，后续又被改进到指数 $1/9$ 和 $1/6-o(1)$。\n- **一般 $k$**：Gowers 证明 $r_k(N)\\ll N/(\\log\\log N)^{c_k}$；Green–Tao 得到 $r_4$ 的多对数界；Leng–Sah–Sawhney 证明 $r_k(N)\\ll N\\exp(-(\\log\\log N)^{c_k})$。这些界的节省量都只体现在 $\\log\\log N$ 上，不足以推出二进可和性。\n\n## 2. 论文声称的结果\n\n**定理 1.1。** 对每个固定的 $k\\ge3$，存在常数 $C_k,c_k,\\varepsilon_k>0$，使得\n$$r_k(N)\\le C_k\\,N\\exp\\!\\big(-c_k(\\log N)^{\\varepsilon_k}\\big).$$\n等价的说法是：只要 $\\log N\\ge A_k(2+\\log(1/\\alpha))^{A_k}$，密度为 $\\alpha$ 的子集就一定包含 $k$ 项等差数列。也就是说，所需区间长度是 $1/\\alpha$ 的**拟多项式**函数。\n\n**推论 1.2（Erdős 猜想）。** 倒数和发散的正整数集合包含任意有限长度的等差数列。从定理 1.1 推出这一点只需对二进区间 $[2^m,2^{m+1})$ 求和，因为 $\\sum_m e^{-c m^{\\varepsilon}}<\\infty$。\n\n**其他推论（第 1.1、1.4、11 节）：**\n\n- 更强的发散判据：对任意固定的 $B\\ge0$，只要 $\\sum_{a\\in A}(\\log(2+a))^B/a=\\infty$，结论仍然成立。\n- 由此重新得到 Green–Tao 关于素数正相对密度子集的定理。\n- van der Waerden 数的上界：$W_r(k)\\le\\exp\\!\\big(A_k(2+\\log r)^{A_k}\\big)$，即对固定的 $k$，它关于颜色数 $r$ 是拟多项式的。同一手稿族中的另一篇论文给出了超多项式下界。\n\n论文明确说明：指数 $\\varepsilon_k$ 没有经过优化，对 $k=3$ 也没有声称改进已知结果。\n\n## 3. 证明思路\n\n主线是经典的**密度增量法**：如果集合中等差数列“太少”，就能在某个更有结构的子区域上找到更高的密度；不断重复，直到密度超过 1，得出矛盾。难点在于**代价核算**。密度每次只能按固定倍数提升，所以最多迭代 $O_k(1+\\log(1/\\alpha))$ 次。要得到定理 1.1，所有迭代累计的对数损失必须是 $\\log(1/\\alpha)$ 的多项式。\n\n论文的处理方式是：\n\n1. **三角多项式胞腔（第 2 节）。** 每一步所在的区域由一串整数块 $b_1,\\dots,b_D$ 依次确定，约束形如\n$$\\|b_h-C_h(u,b_{<h})-l_h\\|_\\infty\\le w_h ,$$\n   其中 $C_h$ 的加权次数不超过 $h$，宽度 $w_h\\le1/32$ 足够窄，保证每个整数块唯一。旧约束在之后的每一步中都被精确保留。\n2. **按权重递降的精度预算（定理 2.1）。** 记 $Q_h=\\log(2/w_h)$。全文的核心是：一次增量后，权重 $h$ 处新增的精度损失只依赖于**更高权重**的精度 $Q_{h+1},\\dots,Q_D$，而不依赖当前的 $Q_h$ 或更低的权重。由于 $D$ 只依赖于 $k$，自上而下做归纳，就能让所有维数和精度在 $O(p)$ 次增量之后仍是多项式大小。作者指出，如果损失依赖于当前所有精度，反复代入会让多项式次数逐轮升高，整个方案就会失效。\n3. **绝对增量（第 6 节、附录）。** 用 Leng–Sah–Sawhney 的拟多项式逆定理，把很大的 Gowers 一致性范数转化为与 nilsequence 的相关性。再用作者提出的“平移比较”定理，把结构化检验转化为正性计数。这一步借用了 Kelley–Meka 的 unbalancing 和 sifting 技术（以 Bloom–Sisask 在 Bohr 集上的版本为准）、Schoen–Sisask 的几乎周期性定理，以及 Leng 关于多项式轨道等分布的高效估计。新增的坐标数是 $(2+p)^{C_k}$，**与盒子的维数无关**（引理 2.2）。\n4. **返回原胞腔（第 7–9 节）。** 在采样盒上找到的增量，必须重新用原变量表达，同时旧方程要保持精确。低次检验部分使用了 Conlon–Fox–Zhao 致密化的立方版本；高次部分用精确投影保留旧方程。第 10 节最后闭合上述递推关系，完成定理 1.1 的证明。\n\n## 4. 验证状态（据仓库文档）\n\n- 仓库 `lean/docs/159.md` 称，Lean 形式化覆盖的是**倒数和推论**：倒数和发散的集合包含任意长度、公差为正的等差数列。对应的比对陈述文件是 `lean/ComparatorChallenges/ErdosReciprocal.lean`。\n- **定量上界（定理 1.1 本身）不在形式化范围内。**\n- 仓库附有推理过程摘要（`reasoning_traces/quasipolynomial-arithmetic-progressions.pdf`）。据摘要，模型先以 Bloom–Sisask 的 3 项结果和 Leng–Sah–Sawhney 的界为基线，攻克倒数和问题；随后重组各轮增量的精度代价，推进到拟多项式界。\n- 本概述者没有运行 Lean 检查。考虑到原文长达 198 页、技术依赖很多，独立的专家审阅仍然十分必要。\n\n## 5. 读者可关注的问题\n\n- “按权重递降的精度依赖”（定理 2.1 中的不等式 (2.4)）是全文成立的关键，应重点核查第 7–10 节中，每一处损失是否确实不依赖当前精度和更低权重的精度。\n- 论文大量引用 2024–2026 年的最新成果，例如 Leng–Sah–Sawhney 的逆定理和 Schoen–Sisask 的几乎周期性定理。外部输入的精确假设是否在每处都得到满足，需要领域专家确认。\n- 常数和指数不可计算，也没有经过优化。对 $k=3$ 的情形，它并不比 Kelley–Meka 一系列结果更好。\n\n*本概述由 AI 撰写，仅作导读。引用请以原文为准。若发现转述错误，欢迎指出。*\n","exploration_id":"ca6b9401-e9e3-4079-ad53-e99f61579399","note":"Initial version","parent_revision_id":null,"title":"概述：《算术级数的拟多项式界》与 Erdős 倒数和猜想（OpenAI 数学手稿集 · 结果族 159）"},"sha256":"14ffba3aeac2743b9d6598ddbb4f29834dd34dab9ed4d06dfa0ebd71b5573d87","type":"revision"},"seq":6}