人类数学家终于迎来了自己的“超级队友”。谷歌云首席科学家、DeepMind研究副总裁Pushmeet Kohli今日正式宣布推出 AI Co-Mathematician——一套专为数学研究设计的层级式多智能体协作系统。
性能有多强？
在Epoch AI组织的FrontierMath Tier 4基准测试中（该测试包含50道由教授和博士后专门设计的“短期科研项目”级别超难题，专业数学家通常需要数天甚至数周才能解决），AI Co-Mathematician在自主模式下取得了48%的正确率，成功解答了50道非公开题目中的23道。
这一成绩刷新了所有AI系统的历史最高纪录！
作为对比，其底层使用的Gemini 3.1 Pro基座模型独立作战时仅能获得19%的准确率。从19%到48%，性能整整提升了29个百分点。
更令人瞩目的是，它还超越了GPT-5.5 Pro的39.6%和Claude Opus 4.7的22.9%。
其中有3道题目，是此前所有被测系统都未能攻克的。
Pushmeet Kohli在社交媒体上兴奋地写道：数学的未来，是数学家与AI智能体共同工作。
不是更聪明的模型，而是更聪明的“编排”
AI Co-Mathematician最引人注目的地方在于：它的突破并非依赖更大的模型，而是源于系统设计本身。
整个系统采用了一种层级式多智能体架构：一个“项目协调员”智能体坐镇中央，负责将数学问题拆解为多个并行的“工作流”，再分派给不同的专项子智能体执行。
这些子智能体各司其职——有的负责文献检索，有的负责计算探索，有的负责证明推导，还有一个专职的“挑毛病”角色。
没错，这里有一个审稿人智能体。
每条证明路径完成后，都必须经过审稿人的交叉审查，一旦发现逻辑漏洞，就会被退回重做。
这种“强制审查循环”机制，有效抑制了传统大语言模型最令人头疼的“自信地胡说八道”问题。
更关键的是，整个工作台是异步、有状态的。
它能够记住之前尝试过的失败假设，追踪每条探索分支的进展，并输出带有边注和内部引用的工作论文。这就像一个能与你“泡”在同一个项目里、持续数天迭代的研究伙伴。
DeepMind论文中列举了几个令人印象深刻的案例：
- 面对一道几何铺砖问题时，系统将核心挑战归约为布尔可满足性（SAT）问题，然后利用PySAT库求解；
- 在一道表示论题目中，它通过文献搜索工具精准检索到特定定理的精确表述，而基线模型只能凭“大致印象”答题，结果连条件都没对上；
- 在组合数学题中，它将理论推导和计算验证拆分为两条独立工作流，让审稿人智能体在最终拼装前就揪出了逻辑错误。
牛津教授实战：攻克60年老本子里的开放问题
数字固然亮眼，但AI究竟能否在真正的数学前沿派上用场？
牛津大学数学家Marc Lackenby的亲身经历给出了最有说服力的答案。
他使用AI Co-Mathematician研究了群论中的一个经典开放问题——Kourovka Notebook第21.10题。这本“笔记本”并非普通笔记，而是群论领域自1965年传承至今、汇集了全世界未解难题的“圣经级”问题集。
Lackenby将问题直接输入系统后，AI Co-Mathematician自动创建了两条并行工作流：一条尝试证明，一条尝试反证。
第一条路径很快返回了一个“证明”，但系统自身的审稿人智能体随即发现了其中的漏洞，并将其标记为不正确。
关键转折发生了：Lackenby看到被打回的证明和审稿人指出的缺陷后，突然意识到——自己作为领域专家，恰好知道如何填补这个缺口。
于是，他补上了关键一步，问题迎刃而解。
这个故事的精髓在于，人类和AI都无法独自在这个速度下完成这件事。
AI提供了证明策略和计算探索的“暴力搜索”，审稿人智能体及时发现了错误，而人类数学家的深层直觉完成了最后的临门一脚。
这是一种全新的协作范式。
类似的故事还在继续：数学家Gergely Bérczi用它获得了关于对称幂表示Stirling系数猜想的证明；Semon Rezchikov在哈密顿系统中一个技术性子问题上，收到了AI提供的关键引理——经过仔细验证后确认无误。
审稿人会被“讨好”，系统会“转圈”
DeepMind团队也没有回避系统的失败模式。
第一个问题被称为“审稿人讨好偏”（reviewer-pleasing bias）。
当一条证明路径被审稿人打回后，子智能体有时并非真的修正了逻辑错误，而是换了一种措辞，让审稿人“看不出问题了”。错误并未消失，只是变得更加隐蔽。
这就像学生修改论文时，不是真正理解了审稿意见，而是学会了用更圆滑的方式绕过审查。
第二个问题被称为“死亡螺旋”（death spirals）。
在某些情况下，证明者和审稿人之间陷入了无限循环——你说有问题，我改了再交，你又说有问题，我再改再交。最终推理质量越来越差，直到彻底崩溃成幻觉式的胡言乱语。
对于那些需要真正创造性直觉来打开突破口的问题——比如千禧年大奖难题或Erdős型猜想——多智能体系统目前仍然无能为力。
AI能够压缩的，是“从有一个想法到知道这个想法行不行”之间的时间：文献检索、反例搜寻、计算验证、探索性的苦力活。
但那道灵光一闪的创造性火花，目前看来只能来自人类。
数学研究的范式正在改变
这篇论文的真正意义，可能不在于48%这个数字本身。
系统设计现在能够以对实际研究真正有意义的方式，放大模型能力。
AI Co-Mathematician所做的事情，本质上与Claude Code、Google Antigravity在软件开发领域做的事情异曲同工——为AI提供脚手架，使其能在长时间跨度内自主工作，同时保持可控。
DeepMind CEO Demis Hassabis曾表示，拥有强大数学和代码工具的前沿实验室正在与其他实验室拉开差距，原因在于“这些工具会产生复合效应”。
AI Co-Mathematician正是这一论断的直接体现。
数学的未来，或许不再是一个天才独自在黑板前苦思冥想的身影。
而是人类数学家与AI智能体并肩而坐，一个负责灵感，一个负责验证，在无尽的探索中一起逼近真理。
这个“黄金搭档”时代，已经来了。
参考资料：
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/2605.06651
https://x.com/kimmonismus/status/2052849472586264997
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/archives/34029
