ai,

一分钟读论文:《AI 自主攻克六个数学难题》

Unbug By Unbug Follow · 1 min read
一分钟读论文:《AI 自主攻克六个数学难题》
Share this

Google DeepMind 的论文《Aletheia tackles FirstProof autonomously》(arXiv:2602.21201)报告数学智能体 Aletheia 在 FirstProof 挑战中自主解决 10 个研究级难题中的 6 个。

FirstProof 挑战与 Aletheia 的架构

FirstProof 由专业数学家设计,包含 10 个引理——数学家研究过程中遇到的中间技术问题,覆盖代数数论、等变稳定同伦论、几何拓扑、辛几何、张量分解、数值线性代数等领域。规则严格:AI 必须完全自主产生证明,不接受任何人类提供的数学思想或内容输入。换句话说,这是一次针对”独立研究能力”而非”解题能力”的考试。

Aletheia 基于 Gemini 3 Deep Think 模型构建,核心设计原则是可靠性优先:论文作者认为,在人类专家验证带宽有限的情况下,实际从事研究的数学家宁愿牺牲原始解题能力换取更高准确性。架构采用生成器-验证器结构:生成器子 Agent 产生候选证明,验证器子 Agent 严格检查正确性;找不到正确证明时系统主动输出”没找到解决方案”而非编造,即”知道自己不知道”。

Aletheia 在 FirstProof 十个问题上的解答成绩

十个问题的解答成绩

两个配置 Aletheia A 与 B 合计解决 6 个问题,专家评估要点:

  • P2、P9 被 4/4 专家认定正确,P10 被 2/2 专家认定正确
  • P5 由 A 正确解决(B 误解题目);P7 由 B 解决、3/3 专家认定正确,其推理成本比其他问题高出一个数量级
  • P8 存在学术性分歧:3 位辛几何专家与 2 位相邻领域数学家认为正确,2 位认为不够完整,但没有专家指出证明有错误,分歧仅在缺失细节是否超出”小修改”门槛
  • P10 上 Aletheia A 自主发现了最优理论复杂度界,优于官方人类作者的解决方案

未解决的 4 个问题(P1、P3、P4、P6)两个配置均无输出,系统按设计如实报告。P7 的高推理成本则提示另一面:可靠性与经济性之间仍有张力,难题的自主攻克目前还是”烧出来”的成果。

从解题到做研究

这一结果标志着 AI 数学从”做有已知答案的题目”(如奥赛基准)迈向”做没有已知答案的研究问题”。这一转向与近年的进展一脉相承:AlphaGeometry 系列把几何推理推到国际数学奥林匹克金牌水平,AlphaEvolve 用进化搜索打破了矩阵乘法 56 年的复杂度纪录(另见站内《AI 打破矩阵乘法 56 年纪录》)——但那些成果要么有标准答案可对照,要么有明确目标函数可优化。FirstProof 的引理来自数学家笔记,此前无人解决,AI 第一次在没有参照答案的地带单独交卷。

论文的立场是 AI 定位是数学家的研究伙伴而非替代品:数学家提出猜想,AI 尝试证明并附上自我验证结论,数学家检查完善后发表。可靠性设计在其中是关键——数学研究中一个错误证明可能浪费大量后续验证时间,准确性优先于覆盖率。

论文承认这是有限的研究,但展示了有希望的方向:AI 辅助数学发现、机器可验证的形式化证明普及等。6/10 的成绩本身也划定了当前边界——AI 已能在真实数学研究中发挥作用,人类数学家仍是不可或缺的一方。

References


Related
Featured