新智元报路

编纂：犀牛 所罗门

【新智元导读】谷歌DeepMind今日官宣推出「AI co-mathematician」多智能体系统，在FrontierMath Tier 4自主模式下斩获48%正确率。牛津教授借助该系统攻克Kourovka Notebook持久盛开问题，AI进化为数学家的真正钻研搭档。

人类数学家，终于等来了自己的「超等队友」！

就在刚刚，谷歌云首席科学家、DeepMind钻研副总裁Pushmeet Kohli重磅官宣AIco-mathematician——一套专为数学钻研设计的多智能体合作系统。

有玩意儿多猛？

在Epoch AI组织的FrontierMath Tier 4基准测试中（50路由教授和博后专门设计的「短期科研项目」级别超难题，专业数学家也得花上数天甚至数周），AI co-mathematician在自主模式下拿下48%的正确率，解决了48路非公开题中的23路。

刷新所有AI系统的汗青最高纪录！

作为对比，它底层用的Gemini 3.1 Pro基座模型，独立作战只能拿到19%。从19%到48%，整整跃升了29个百分点。

更狠的是，它还超过了GPT-5.5 Pro的39.6%和Claude Opus 4.7的22.9%。

其中有3路题，是此前所有被测系统都没能攻克的。

Pushmeet Kohli在社交媒体上兴奋地写路：数学的将来，是数学家和AI智能体一路工作。

不是更聪明的模型

而是更聪明的「编排」

AI co-mathematician最有意思的处地点于：它的突破不是靠换一个更大的模型，而是靠系统设计。

整个系统选取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，掌管把数学问题拆解成多个并行的「工作流」，再分配给分歧的专项子智能体去执行。

这些子智能体各有专长——有的掌管文件检索，有的掌管推算索求，有的掌管证明推导，还有的专门掌管「挑弊端」。

没错，这里有一个专职的审稿人智能体。

每条证明蹊径写出来之后，都必须经过审稿人的交叉审查，发现逻辑缝隙就打回重做。

这种「强造审查循环」机造，直接把传统LLM最头疼的「自负地胡说八路」问题压了下去。

更关键的是，整个工作台是异步、有状态的。

它能记住之前尝试过哪些失败的如果，能追踪每一条索求分支的进展，还能输出带有边注和内部引用的工作论文。

就像是一个能跟你「泡」在一个项目里、持续数天迭代的钻研同伴。

DeepMind论文中举了几个让人印象深刻的案例：

面对一路几何铺砖问题时，系统把主题挑战归约为布尔可满足性（SAT）问题，而后用PySAT库求解；

在一路暗示论标题中，它通过文件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「或许印象」答题，了局前提都没对上；

在组合数学题中，它把理论推导和推算验证拆成两条独立工作流，让审稿人智能体在最终组装前就揪出了逻辑谬误。

牛津教授实战：攻克60大哥本子里的盛开问题

数字好看归好看，但AI到底能不能在真正的数学前沿派上用？

牛津大学数学家Marc Lackenby的亲自经历给出了最有说服力的回覆。

他用AI co-mathematician钻研了群论中的一个经典盛开问题——Kourovka Notebook第21.10题。

这本「笔记本」可不是通常笔记，而是群论领域从1965年传承至今、汇集了全世界未解难题的「圣经级」问题集。

Lackenby把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。

第一条蹊径很快返回了一个「证明」，但系统自己的审稿人智能体随即发现了其中的缝隙，象征为不正确。

关键转折来了：Lackenby看到被打回的证明和审稿人指出的缺点后，忽然意识到——自己作为领域专家，刚好知路怎么添补这个缺口。

因而他补上了关键的一步，问题迎刃而解。

这个故事的精华在于，人和AI谁都没法单独由这个速度下实现这件事。

AI提供了证明战术和推算索求的「暴力搜索」，审稿人智能体实时发现了谬误，而人类数学家的深层直觉实现了最后的临门一脚。

这是一种全新的合作范式。

类似的故事还在演出：数学家Gergely Bérczi用它获得了关于对称幂暗示Stirling系数猜测的证明；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。

第一个问题接赘审稿人讨好偏」（reviewer-pleasing bias）。

当一条证明蹊径被审稿人打回后，子智能体有时不是真的建改了逻辑谬误，而是换了一种措谦让审稿人「看不出问题了」。

谬误没有隐没，只是变得更荫蔽。

这就像学生改论文时，不是真的理解了审稿定见，而是学会了用更圆滑的方式绕过审查。

第二个问题接赘殒命螺旋「」（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。

这对于那些必要真正创造性直觉来打开突破口的问题——好比千禧年大奖难题或者Erd?s型猜测——多智能体系统目前依然力所不及。

AI能压缩的，是「从有一个设法到知路这个设法行不杏坠之间的功夫：文件检索、反例搜索、推算验证、索求性的苦力活。

但那路灵光一闪的创造性火花，目前看来只能来自人类。

数学钻研的范式在扭转

这篇论文的真正意思，可能不在于48%这个数字自身。

系统设计此刻可能以对现实钻研真正有意思的方式，放大模型能力。

AI co-mathematician做的事件，性质上跟Claude Code、Google Antigravity在软件开发领域做的事件异曲同工——

为AI提供脚手架，让它能在长功夫跨度内自主工作，同时维持可控。

DeepMind CEO Demis Hassabis曾说过，占有壮大数学和代码工具的前沿尝试室在与其他尝试室拉开差距，原因在于「这些工具会产生复合效应」。

AI co-mathematician就是这一论断的直接体现。

数学的将来，或许不再是一个天才单独由黑板前苦思冥想的身影。

而是人类数学家和AI智能体并肩而坐，一个掌管灵感，一个掌管验证，在无尽的索求中一路逼近真谛。

这个「黄金搭档」时期，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/2605.06651https://x.com/kimmonismus/status/2052849472586264997