谷歌造出AI数学家，48%碾压全场新智元

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长期开放问题，AI进化为数学家的真正研究搭档。

人类数学家，终于等来了自己的「超级队友」！

就在刚刚，谷歌云首席科学家、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多智能体协作系统。

这玩意儿多猛？

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），AI co-mathematician在自主模式下拿下48%的正确率，解决了48道非公开题中的23道。

刷新所有AI系统的历史最高纪录！

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。