新智元報道

編輯：犀牛 所羅門

【新智元導(dǎo)讀】谷歌DeepMind今日官宣推出「AI co-mathematician」多智能體系統(tǒng)，在FrontierMath Tier 4自主模式下斬獲48%正確率。牛津教授借助該系統(tǒng)攻克Kourovka Notebook長期開放問題，AI進化為數(shù)學(xué)家的真正研究搭檔。

人類數(shù)學(xué)家，終于等來了自己的「超級隊友」！

就在剛剛，谷歌云首席科學(xué)家、DeepMind研究副總裁Pushmeet Kohli重磅官宣AIco-mathematician——一套專為數(shù)學(xué)研究設(shè)計的多智能體協(xié)作系統(tǒng)。

有玩意兒多猛？

在Epoch AI組織的FrontierMath Tier 4基準測試中（50道由教授和博后專門設(shè)計的「短期科研項目」級別超難題，專業(yè)數(shù)學(xué)家也得花上數(shù)天乃至數(shù)周），AI co-mathematician在自主模式下拿下48%的正確率，解決了48道非公開題中的23道。

刷新所有AI系統(tǒng)的歷史最高紀錄！

作為對比，它底層用的Gemini 3.1 Pro基座模型，獨立作戰(zhàn)只能拿到19%。從19%到48%，整整躍升了29個百分點。

更狠的是，它還超越了GPT-5.5 Pro的39.6%和Claude Opus 4.7的22.9%。

其中有3道題，是此前所有被測系統(tǒng)都沒能攻克的。

Pushmeet Kohli在社交媒體上興奮地寫道：數(shù)學(xué)的未來，是數(shù)學(xué)家和AI智能體一起工作。

不是更聰明的模型

而是更聰明的「編排」

AI co-mathematician最有意思的地方在于：它的突破不是靠換一個更大的模型，而是靠系統(tǒng)設(shè)計。

整個系統(tǒng)采用了一種層級式多智能體架構(gòu)：一個「項目協(xié)調(diào)員」智能體坐鎮(zhèn)中央，負責(zé)把數(shù)學(xué)問題拆解成多個并行的「工作流」，再分派給不同的專項子智能體去執(zhí)行。

這些子智能體各有專長——有的負責(zé)文獻檢索，有的負責(zé)計算探索，有的負責(zé)證明推導(dǎo)，還有的專門負責(zé)「挑毛病」。

沒錯，這里有一個專職的審稿人智能體。

每條證明路徑寫出來之后，都必須經(jīng)過審稿人的交叉審查，發(fā)現(xiàn)邏輯漏洞就打回重做。

這種「強制審查循環(huán)」機制，直接把傳統(tǒng)LLM最頭疼的「自信地胡說八道」問題壓了下去。

更關(guān)鍵的是，整個工作臺是異步、有狀態(tài)的。

它能記住之前嘗試過哪些失敗的假設(shè)，能追蹤每一條探索分支的進展，還能輸出帶有邊注和內(nèi)部引用的工作論文。

就像是一個能跟你「泡」在一個項目里、持續(xù)數(shù)天迭代的研究伙伴。

DeepMind論文中舉了幾個讓人印象深刻的案例：

• 面對一道幾何鋪磚問題時，系統(tǒng)把核心挑戰(zhàn)歸約為布爾可滿足性（SAT）問題，然后用PySAT庫求解；

• 在一道表示論題目中，它通過文獻搜索工具精準檢索到特定定理的精確表述，而基線模型只能憑「大概印象」答題，結(jié)果條件都沒對上；

• 在組合數(shù)學(xué)題中，它把理論推導(dǎo)和計算驗證拆成兩條獨立工作流，讓審稿人智能體在最終拼裝前就揪出了邏輯錯誤。

牛津教授實戰(zhàn)：攻克60年老本子里的開放問題

數(shù)字好看歸好看，但AI到底能不能在真正的數(shù)學(xué)前沿派上用場？

牛津大學(xué)數(shù)學(xué)家Marc Lackenby的親身經(jīng)歷給出了最有說服力的回答。

他用AI co-mathematician研究了群論中的一個經(jīng)典開放問題——Kourovka Notebook第21.10題。

這本「筆記本」可不是普通筆記，而是群論領(lǐng)域從1965年傳承至今、匯集了全世界未解難題的「圣經(jīng)級」問題集。

Lackenby把問題直接輸入系統(tǒng)后，AI co-mathematician自動創(chuàng)建了兩條并行工作流：一條嘗試證明，一條嘗試反證。

第一條路徑很快返回了一個「證明」，但系統(tǒng)自己的審稿人智能體隨即發(fā)現(xiàn)了其中的漏洞，標記為不正確。

關(guān)鍵轉(zhuǎn)折來了：Lackenby看到被打回的證明和審稿人指出的缺陷后，突然意識到——自己作為領(lǐng)域?qū)＜遥『弥涝趺刺钛a這個缺口。

于是他補上了關(guān)鍵的一步，問題迎刃而解。

這個故事的精髓在于，人和AI誰都沒法獨自在這個速度下完成這件事。

AI提供了證明策略和計算探索的「暴力搜索」，審稿人智能體及時發(fā)現(xiàn)了錯誤，而人類數(shù)學(xué)家的深層直覺完成了最后的臨門一腳。

這是一種全新的協(xié)作范式。

類似的故事還在上演：數(shù)學(xué)家Gergely Bérczi用它獲得了關(guān)于對稱冪表示Stirling系數(shù)猜想的證明；Semon Rezchikov在哈密頓系統(tǒng)中一個技術(shù)性子問題上，收到了AI提供的關(guān)鍵引理——經(jīng)過仔細驗證后確認無誤。

審稿人會被「討好」，系統(tǒng)會「轉(zhuǎn)圈」

DeepMind團隊也沒有回避系統(tǒng)的失敗模式。

第一個問題叫「審稿人討好偏」（reviewer-pleasing bias）。

當(dāng)一條證明路徑被審稿人打回后，子智能體有時不是真的修正了邏輯錯誤，而是換了一種措辭讓審稿人「看不出問題了」。

錯誤沒有消失，只是變得更隱蔽。

這就像學(xué)生改論文時，不是真的理解了審稿意見，而是學(xué)會了用更圓滑的方式繞過審查。

第二個問題叫「死亡螺旋「」（death spirals）。

在某些情況下，證明者和審稿人之間陷入了無限循環(huán)——你說有問題，我改了再交，你又說有問題，我再改再交。

最終推理質(zhì)量越來越差，直到徹底崩潰成幻覺式的胡言亂語。

這對于那些需要真正創(chuàng)造性直覺來打開突破口的問題——比如千禧年大獎難題或者Erd?s型猜想——多智能體系統(tǒng)目前仍然無能為力。

AI能壓縮的，是「從有一個想法到知道這個想法行不行」之間的時間：文獻檢索、反例搜尋、計算驗證、探索性的苦力活。

但那道靈光一閃的創(chuàng)造性火花，目前看來只能來自人類。

數(shù)學(xué)研究的范式正在改變

這篇論文的真正意義，可能不在于48%這個數(shù)字本身。

系統(tǒng)設(shè)計現(xiàn)在能夠以對實際研究真正有意義的方式，放大模型能力。

AI co-mathematician做的事情，本質(zhì)上跟Claude Code、Google Antigravity在軟件開發(fā)領(lǐng)域做的事情異曲同工——

為AI提供腳手架，讓它能在長時間跨度內(nèi)自主工作，同時保持可控。

DeepMind CEO Demis Hassabis曾說過，擁有強大數(shù)學(xué)和代碼工具的前沿實驗室正在與其他實驗室拉開差距，原因在于「這些工具會產(chǎn)生復(fù)合效應(yīng)」。

AI co-mathematician就是這一論斷的直接體現(xiàn)。

數(shù)學(xué)的未來，或許不再是一個天才獨自在黑板前苦思冥想的身影。

而是人類數(shù)學(xué)家和AI智能體并肩而坐，一個負責(zé)靈感，一個負責(zé)驗證，在無盡的探索中一起逼近真理。

這個「黃金搭檔」時代，已經(jīng)來了。

參考資料：

https://x.com/pushmeet/status/2052812585804685322

https://arxiv.org/abs/2605.06651

https://epoch.ai/frontiermath/tiers-1-4?view=graph&tab=release-date&tier=Tier+4

https://arxiv.org/pdf/2605.06651https://x.com/kimmonismus/status/2052849472586264997