微软研究院首席研究员Dimitris Papailiopoulos在社交平台宣布，他与AI模型GPT-5.6和Claude Fable 5合作，证明了一个多项式时间算法，能在信噪比达到2logN时精确恢复MIMO检测中的全部比特，达到最大似然阈值。这一成果解决了无线通信领域一个悬而未决25年的数学难题，而该问题正是Papailiopoulos在2009年读博期间研究过但未成功的课题。

MIMO检测是无线通信中的经典问题，接收端需从被噪声干扰的信号中还原发送端发出的原始比特。理论上，最大似然检测通过穷举所有可能的比特组合可保证正确，但计算量随比特数指数增长。1989年，Sergio Verdú证明该问题在最坏情况下是NP-hard的，但实际信道是随机的，因此存在一条精确分界线：当信噪比达到2logN时，恢复概率趋近于1，低于此线则最大似然检测本身也会失败，这条线被称为最大似然阈值。

2001年，Babak Hassibi和Haris Vikalo提出球形译码算法，声称期望复杂度为多项式时间，但2005年Joakim Jaldén和Björn Ottersten证明其期望复杂度实为指数级，因为球半径需随问题规模增大，导致候选数指数增长。此后，学界尝试半正定松弛、比特翻转局部搜索、AMP、统计物理方法等，最接近的结果是2020年的box relaxation方法，能在信噪比达到4logN时精确恢复，但复杂度仍是理论门槛的两倍。

Papailiopoulos与两个AI模型合作，证明了一个仅两步的简单算法：第一步使用LMMSE（线性最小均方误差估计）给出连续猜测，再按符号取整；第二步进行贪心逐位翻转，每轮翻转使代价函数下降最多的比特。论文证明，该算法能在信噪比等于2logN时精确恢复全部比特，且复杂度为O(N³)，其中贪心搜索步骤的复杂度为O(NlogN)。

合作过程并非一帆风顺。Papailiopoulos让GPT-5.6和Fable 5分别提出证明思路，GPT-5.6采用AMP算法，而Fable 5提出“符号LMMSE加贪心逐位翻转”的路径，这是一个业内实际使用但从未被严格证明的算法。Papailiopoulos选择了Fable的路径，并让GPT检查和修补漏洞。GPT修复后，证明变得复杂难懂，充满矩阵分析工具，Papailiopoulos随后让两个模型互相简化论证，同时确保保留2logN这一关键门槛。他还尝试使用Lean工具进行自动验证，但由于不熟悉Lean，无法检查翻译是否正确。最终，Papailiopoulos表示已从头到尾验证了整套论证过程。

Papailiopoulos目前是微软研究院首席研究员，同时担任威斯康星大学麦迪逊分校电子与计算机工程系副教授。2009年，他在博士一年级时与导师Alex Dimakis合作，尝试用MCMC方法解决MIMO检测问题，但未成功。17年后，同一道题被AI模型证明，他自己也参与了这一突破。这一成果不仅解决了理论问题，也可能对无线通信的实际应用产生深远影响，因为该算法是业界已在使用的简单方法，现在有了严格的数学保证。