谷歌造出AI数学家，48%碾压全场，牛津教授用它破解60年未解之谜

人类数学家，谷歌终于等来了自己的造出「超级队友」！

就在刚刚，数学授用谷歌云首席科学家、家碾津教解DeepMind研究副总裁Pushmeet Kohli重磅官宣AI co-mathematician——一套专为数学研究设计的压全多智能体协作系统。

有玩意儿多猛？

在Epoch AI组织的FrontierMath Tier 4基准测试中（50道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乃至数周），破解AI co-mathematician在自主模式下拿下48%的谷歌正确率，解决了48道非公开题中的造出23道。

刷新所有AI系统的数学授用历史最高纪录！

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

更狠的是，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，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道：数学的未来，是数学家和AI智能体一起工作。

不是更聪明的模型

而是更聪明的「编排」

AI co-mathematician最有意思的地方在于：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，负责把数学问题拆解成多个并行的「工作流」，再分派给不同的专项子智能体去执行。

这些子智能体各有专长——有的负责文献检索，有的负责计算探索，有的负责证明推导，还有的专门负责「挑毛病」。

没错，这里有一个专职的审稿人智能体。

每条证明路径写出来之后，都必须经过审稿人的交叉审查，发现逻辑漏洞就打回重做。

这种「强制审查循环」机制，直接把传统LLM最头疼的「自信地胡说八道」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假设，能追踪每一条探索分支的进展，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、持续数天迭代的研究伙伴。

DeepMind论文中举了几个让人印象深刻的案例：

• 面对一道几何铺砖问题时，系统把核心挑战归约为布尔可满足性（SAT）问题，然后用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「大概印象」答题，结果条件都没对上；
• 在组合数学题中，它把理论推导和计算验证拆成两条独立工作流，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

数字好看归好看，但AI到底能不能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回答。

他用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」可不是普通笔记，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。

第一条路径很快返回了一个「证明」，但系统自己的审稿人智能体随即发现了其中的漏洞，标记为不正确。

关键转折来了：Lackenby看到被打回的证明和审稿人指出的缺陷后，突然意识到——自己作为领域专家，恰好知道怎么填补这个缺口。

于是他补上了关键的一步，问题迎刃而解。

这个故事的精髓在于，人和AI谁都没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。

类似的故事还在上演：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。

第一个问题叫「审稿人讨好偏」（reviewer-pleasing bias）。

当一条证明路径被审稿人打回后，子智能体有时不是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」。

错误没有消失，只是变得更隐蔽。

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

第二个问题叫「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。

这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者Erdős型猜想——多智能体系统目前仍然无能为力。

AI能压缩的，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做的事情，本质上跟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，让它能在长时间跨度内自主工作，同时保持可控。

DeepMind CEO Demis Hassabis曾说过，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就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。

而是人类数学家和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/2605.06651https://x.com/kimmonismus/status/2052849472586264997

本文来自微信公众号“新智元”，作者：新智元，编辑：犀牛 所罗门，36氪经授权发布。