Claude 追溯 NIST 曲线种子：AI 研究的价值，在能复算的证据里

2026年10月16日，Anthropic公布一项密码学研究：其内部Claude研究模型追溯出五条NIST素数域椭圆曲线种子的生成方式。据公司介绍，模型用时不到半小时，发现这些数值来自以Unix时间戳初始化的旧式伪随机数生成器。官方同时强调：这不是破解密码，也没有发现新的攻击或曲线弱点。研究原文

找到的是参数来源，不是用户私钥

这里的“种子”，可以理解为生成标准曲线参数时使用的一份原始材料，不能等同于某个人的钱包私钥或登录密码。此前争议集中在这些材料从哪里来、是否经过特殊挑选。此次找到可重现的生成路径，为理解参数来源提供了更具体的证据。背景与核验说明

外部核验支持了什么

悬赏发起人、密码学工程师Filippo Valsorda也在10月16日发表说明，称自己用Go重新实现算法核验了结果。团队已于10月15日领取悬赏，并选择把奖金捐给运营Let’s Encrypt的ISRG。这种核验支持种子生成结果，不等于外部人士独立确认了Claude的运行时间，或证明它能稳定解决同类难题。悬赏发起人说明

研究也留有边界。Anthropic仍未解释部分基点的来源，以及为何跳过某些可用候选；“来源更清楚”不能扩大成“所有安全问题都已证明不存在”。按官方说明，普通用户无需因此改变现有使用方式。这是一项研究公布，也不是面向用户发布的新模型。研究局限

对 AI 应用有什么启发

我们的判断是，更值得借鉴的是证据链：让模型提出可检验的假设，把判断变成程序，再请领域专家复核。评估AI研究能力时，除了看答案是否新颖，还应追问：输入是什么、结果能否重算、失败尝试有没有记录、哪些结论仍未解决？

用于数据排查、遗留系统分析或科学计算时，交付物也应包含测试、复现步骤和适用边界。这些材料能被他人检查，一次亮眼演示才更有机会转化为可依赖的工作能力。