日前，谷歌DeepMind 與多所頂尖學(xué)術(shù)機構(gòu)的研究者聯(lián)合發(fā)布論文《Aletheia：自主攻克FirstProof數(shù)學(xué)難題挑戰(zhàn)賽》（arXiv:2602.21201） 。

論文的核心是，評估名為 Aletheia 的數(shù)學(xué)研究代理系統(tǒng)在 FirstProof 這一公開挑戰(zhàn)中的表現(xiàn)。

在沒有人類干預(yù)的情況下，Aletheia成功完成多道研究級數(shù)學(xué)難題。

這不是簡單的“算對了題”，而是達(dá)到了接近學(xué)術(shù)發(fā)表標(biāo)準(zhǔn)的證明水平。

這意味著 AI 開始真正觸及“數(shù)學(xué)創(chuàng)造力”，這個長期被認(rèn)為是人類專屬的領(lǐng)域。

FirstProof 不是簡單的算術(shù)或者基礎(chǔ)證明題，而是由專業(yè)數(shù)學(xué)家設(shè)定的一組十個研究級難度的問題。

這些問題往往涉及抽象概念和嚴(yán)謹(jǐn)推理，傳統(tǒng)上只有受過訓(xùn)練的數(shù)學(xué)家才能應(yīng)對。組織方希望通過這個挑戰(zhàn)評估當(dāng)前 AI 在數(shù)學(xué)領(lǐng)域的真實能力邊界。

Aletheia 也并不是一個普通的自動答題機器人，而是一個結(jié)合了生成式模型和驗證機制的智能體，基于谷歌最新的大模型架構(gòu) Gemini 3 Deep Think。

它的設(shè)計目標(biāo)不僅是輸出答案，而是在 無人類干預(yù)的前提下 盡可能自動地提出數(shù)學(xué)證明。

也就是說，從理解題意、構(gòu)思思路、生成證明草稿，到最終輸出一段嚴(yán)謹(jǐn) LaTeX 格式的證明文本，整個過程都是由智能體自主完成的。

Aletheia 由三個核心模塊構(gòu)成：

猜想生成：從數(shù)學(xué)文獻中識別有價值的開放問題，并生成形式化命題。

自主證明搜索：結(jié)合符號推理、啟發(fā)式搜索與自我修正，尋找形式化證明。

嚴(yán)謹(jǐn)驗證：使用自動證明檢驗器與自我批判機制，過濾無效論證并確保正確性。

整個流程完全自動化，無需人類撰寫提示、選擇問題或?qū)徍酥虚g步驟。Aletheia 自主判斷哪些問題可解、哪些方向有價值、以及證明何時完成且正確。

論文作者為了評估其真實能力，在整個流程中嚴(yán)格排除了人為提示和干預(yù)，只保留最終專家對結(jié)果的判斷與評價。

在 FirstProof 的十個問題中，Aletheia 成功給出了六個問題的可評估解答，被獨立數(shù)學(xué)專家（有些來自論文作者之外的學(xué)術(shù)界）認(rèn)為，滿足出版前的“可修訂發(fā)表”標(biāo)準(zhǔn)。

更重要的是，這種能力是在沒有人工設(shè)計思路的情況下實現(xiàn)的，充分體現(xiàn)了 AI 在數(shù)學(xué)推理上從輔助工具向真正“研究伙伴”的轉(zhuǎn)變。

值得注意的是，Aletheia 并不是在所有問題上都做到了完美。在那些極其復(fù)雜或高度依賴深厚數(shù)學(xué)直覺的問題上，它仍然無法給出有效輸出。所以說，暫時它還不是完全合格的數(shù)學(xué)家。

但總的來說，這項工作標(biāo)志著 AI 在數(shù)學(xué)研究領(lǐng)域取得了實質(zhì)性的進展。

從 ChatGPT 或 Gemini 這類大語言模型能會話式討論數(shù)學(xué)，到 Aletheia 能在沒有人類引導(dǎo)的情況下解決復(fù)雜證明問題，是科研史上的一次重要里程碑。

雖然距離完全取代人類數(shù)學(xué)家還有很長的路要走，但這一成果無疑推動了人工智能在創(chuàng)意推理與科學(xué)發(fā)現(xiàn)方面的邊界。

這不僅對數(shù)學(xué)界是重要突破，也預(yù)示著未來 AI 將在數(shù)學(xué)、物理、計算機科學(xué)，乃至整個基礎(chǔ)科研領(lǐng)域，承擔(dān)越來越重要的角色。

也就是說，AI第一次真正從“輔助工具”進化為獨立科研主體，開創(chuàng)了“AI自主做科學(xué)研究”的全新范式。