颠覆教科书！Opus 5.5突破统治67年的Dijkstra经典算法

大白熊吃草

颠覆教科书！Opus 5.5突破统治67年的Dijkstra经典算法



最近计算机圈里炸开了一条消息：ValsAI用10个ClaudeOpus5.5智能体，花了15小时，“推翻”了计算机本科必学的Dijkstra最短路径算法。消息刚出来的时候，不少人惊呼，AI已经能独立攻克人类钻研几十年的基础理论难题，科研范式要彻底改写。可当开发者把新算法写成代码上机实测之后，剧情却迎来巨大反转。



它在数学证明里确实实现了理论上的速度优势，但是放到真实电脑上跑，反而比老算法慢得多。这件事没有简单的“AI战胜人类”或者“AI吹牛”的结论，更像一面镜子，让我们看懂理论计算机科学和工程落地之间巨大的鸿沟，也真切看见AI智能体做科研的真实能力边界。

一、Dijkstra：计算机世界里的“老祖宗”算法

只要学过计算机，几乎都绕不开Dijkstra算法。简单来说，它就是用来在一张带权重的网络图里，找到从起点去往其他所有点的最短路径。地图导航、网络路由、物流线路规划，底层都能看见它的影子。



1959年，Dijkstra提出这套贪心思路：每次找到距离起点最近、还没访问过的节点，向外一层一层拓展。搭配合适的数据结构，它的时间复杂度稳定在O(m+nlogn)。在此后的几十年，无数顶尖学者不断打磨优化这个算法。在很多图密度场景下，它始终是最优选择。



想要在这个领域做出突破，难度极高。这不只是优化代码写法，而是要从数学层面严格证明，新算法在无限大的数据规模下，渐近效率更高。这类基础图论问题，留给后人的改进空间本就很小。

ValsAI团队给AI智能体设置了一个难度拉满的任务：设计出在特定条件下超越Dijkstra的最短路径算法，并且必须用Lean形式化语言完成完整数学证明。Lean相当于一个严谨的数学校验工具，不接受模糊推理，每一步推导都要经过机器内核核验，不能有任何漏洞。团队一次性启动10个Opus5.5智能体，搭建了一个虚拟留言板，让它们自由讨论、互相挑错、记录失败思路。

二、15小时733次讨论：AI“吵”出新算法C-HD

这10个AI智能体一开始有分工，但拥有很高的自主权。它们可以随时调整研究方向，分享新思路，也可以毫不留情地质疑同伴提出的方案。一旦某条研究路线被证实行不通，它们就立刻在留言板记录下来，避免其他AI重复踩坑。整个过程就像一个小型科研团队在线头脑风暴。



整整15小时，留言板累积733次讨论记录。AI们不断试错，推翻一个又一个不成熟的想法，最终交出了C-HD算法。

和Dijkstra单点向外扩张的思路不一样，C-HD引入了枢轴点与局部搜索的思路。它不再执着于每次只挑选距离最近的节点，而是先划定一批枢轴点，做有边界的局部搜索，借助搜索树和枢轴做递归计算。同时，算法维持一套严格的局部不变量，通过删减无效边，减少重复搜索带来的开销。

更震撼的是成果附件：一共289个Lean证明文件。整套证明交给Lean内核校验，机器完成上万条证明节点检查，顺利通过验证。按照证明结论，在特定稀疏图区间内，C-HD的渐近复杂度优于Dijkstra。消息传开，算法圈瞬间沸腾，很多人感慨，过去人类团队数年的理论探索，AI智能体只用十几个小时就完成了。



三、实测反转：理论很漂亮，跑起来却很慢

热度还没持续多久，一名开发者danalec连夜用C语言把C-HD完整实现，写出1900行代码，把C-HD、经典Dijkstra还有2025年前沿的DMMSY算法放在同一环境跑分测试。结果让所有人意外。



C-HD在真实机器上的运行速度，比朴素版本Dijkstra还要慢1.4到2.8倍，对比DMMSY更是慢1.8到2.9倍。





并不是Lean内核的数学证明出错了，这里的关键在于算法复杂度符号O的含义。大O记号只关心数据趋向无穷大时，增长趋势的快慢，会直接忽略掉常数开销。C-HD省下了理论上的计算步骤，但是代价巨大：算法需要大量预处理工作，还要频繁处理16字节标签。从实测数据来看，59%的运行时间消耗在标签处理，34%耗费在预处理环节。

只有当图里顶点数量膨胀到一个人类现有硬件根本无法承载的规模，C-HD理论上的优势才会盖过巨大的常数开销。在我们现实世界，电脑内存能够承载的图规模里，C-HD的理论优势永远无法兑现。也难怪有开发者评价：论文写得精彩，但工程层面基本没有实用价值。

这也恰好解释了为什么人类学者没有往这个方向深耕。纯理论上有微弱收益，但落地到工程场景，高昂的额外开销让算法失去实用意义。

四、C-HD真正的价值：不是改写教科书，而是科研新范式

这场实验，虽然没能拿出一个可以替换Dijkstra的实用算法，但它的里程碑意义，不在于算法本身能不能商用。

它证明多智能体协同，能够独立完成完整的理论研究闭环：构思猜想、反复辩论、排查漏洞、构建形式化数学证明，最后通过机器校验。过去这类硬核理论数学工作，几乎只能由顶尖数学家、计算机科学家花费漫长时间完成。而现在，AI团队在沙盒环境里，自主完成整套流程。

很多人畅想，未来这类AI智能体团队，可以去攻克蛋白质折叠、晶体材料、数论难题。C-HD事件，就像莱特兄弟的第一次试飞，飞机飞得不高不远，但它证明一件事：机器可以完成过去只有人类学者才能做到的理论创造。

当然我们也要保持清醒。AI擅长在给定规则空间里组合、推导，但是它缺少人类科学家那种跨领域洞察，也很难自主判断一项理论成果是否具备工程价值。AI能完成证明，却很难提前预判巨大常数开销会让算法在现实中失效。

C-HD事件，是一个很有代表性的AI科研样本。它打破了“只有人类才能做前沿理论推导”的固有认知，同时也给狂热的AI神话泼了一盆冷水。理论复杂度和真实工程性能，是两件完全不同的事情。

未来AI一定会深度参与科研工作，帮助人类更快试错、完成繁琐的证明推导。但短期之内，AI还无法取代科学家判断研究方向、权衡理论价值与现实落地成本。

下一次，当我们再看到“AI颠覆经典理论”的新闻时，除了惊叹，或许更应该问一句：这个成果，在真实世界里跑得动吗？

包心客

不少人惊呼确实该重视

天天干饭

这个政策啥时候开始执行，花了15小时

包心客

花了15小时可以

天天干饭

颠覆教科确实该重视

大白熊吃草

哦支持关注颠覆教科书～

宁飘飘

反正先看着，花了15小时

包心客

写得挺清楚，花了15小时

落日航班

关于推翻，本地人还是关心的。。

一颗火星子

嗯，花了15小时了解了嗯

一颗火星子

花了15小时写得还行

大白熊吃草

嗯支持，花了15小时挺重要！

平凡可贵h

嗯颠覆教科书这块再跟进就好嗯

吃鸡爱好者

身边人也会关心Opus

你最好别惹我

花了15小时了解了