Gemini Deep Think数学智能体攻克FirstProof挑战赛，6题全自主求解

基于谷歌 Gemini 3 Deep Think 打造的数学智能体 Aletheia，在一项比 IMO 更难的数学挑战赛 FirstProof 中取得了最佳成绩。

在其公布的完整成绩单中，Aletheia 在 0人工参与 的情况下，成功解出了10道题中的6道。其中5道题获得了专家评审的全票通过，另一道也拿到了5/7的高通过率。

这项 FirstProof 挑战赛由来自哈佛、斯坦福等名校的11位顶尖数学家联合打造，专门用于验证 AI 的独立科研能力。题目全部源于研究者们真实遇到的、此前从未公开发布过的难题，旨在杜绝 AI 通过背诵现有答案来“作弊”的可能。连著名数学家陶哲轩都转发并评论称，这项实验非常有趣，值得关注。

不止谷歌，OpenAI 的内部模型也参加了这项测试，基本答对了5道题。但关键区别在于：谷歌的 Aletheia 全程由 AI 自主完成，而 OpenAI 在解题过程中动用了人工来挑选和优化最佳答案。

谷歌略胜一筹

与 IMO 这类标准化竞赛题不同，FirstProof 的10道题直接取材于真实的数学研究难题，此前没有任何公开记录。更重要的是，标准答案是在所有 AI 提交解答后才公布的，彻底切断了模型“背答案”的可能性。

先看成绩单。OpenAI 冲刺七天后，在以下5个问题上给出了基本正确的答案：

• 4. 有限加性卷积与Φₙ的调和平均不等式；
• 5. O-适配切片滤过与切片连通性的几何不动点判据；
• 6. 大规模ε-轻顶点子集；
• 9. 缩放四线性行列式张量之间的代数关系；
• 10. 含缺失数据的核化CP–ALS子问题：基于Kronecker预条件的无矩阵PCG方法。

实际上，OpenAI 最初公布的成绩单包含6道题，但其中第2题（非阿基米德局部域上GLₙ的Rankin–Selberg积分非零性判定）被社区反复指出存在逻辑问题，团队最终保守地将其修正为5道。

OpenAI 团队也透露，在测试过程中使用了人工来协调模型与 ChatGPT 之间的交流，用于答案验证、格式整理与风格调整。个别问题最终呈现的是经过人工挑选的最佳结果。

相比之下，谷歌的 Aletheia 完全自主地拿下了6道题，其中就包括 OpenAI 被质疑的第2题。在专家评审中，其解答在2、5、7、9、10题上获得了全票通过。

值得一提的是，第7题（含2-挠率的实半单群一致格的紧流形基本群可实现性）被公认为本次挑战集中难度最高的一题，是一个此前未解决的公开问题。直到 FirstProof 挑战赛发布标准答案时，才由 Cappell–Weinberger–Yan 团队首次解决。Aletheia 成功攻克了此题。

第8题虽未全票通过，但也拿到了5/7的高分。Aletheia 自主解答的6道题分别是：

• 2. 非阿基米德局部域上GLₙ的Rankin–Selberg积分非零性判定；
• 5. O-适配切片滤过与切片连通性的几何不动点判据；
• 7. 含2-挠率的实半单群一致格的紧流形基本群可实现性；
• 8. 多面体拉格朗日曲面的4-顶点Lagrangian光滑化存在性；
• 9. 缩放四线性行列式张量之间的代数关系；
• 10. 含缺失数据的核化CP–ALS子问题：基于Kronecker预条件的无矩阵PCG方法。

无论是从解题数量，还是从完全自主的解题模式来看，谷歌 Aletheia 都略胜一筹。这引发了许多对 计算机基础 和自动推理能力边界的思考。

那么，Aletheia 究竟是如何做到的呢？

AI自主解题：生成、验证、修订循环

Aletheia 的底层模型是此前已在 IMO 中摘金的 Gemini 3 Deep Think。系统同时搭载了 A（2026年2月最新版）和 B（2026年1月版本）两个版本的该模型，采用“最优二选一”的策略生成初始解答。

其核心在于一套真正的零人工干预解题流程：

1. 自主读题与推理：Aletheia 能直接读取未经人类格式化的原始问题，进行自主推理。
2. 自动验证与提取：通过内置的验证提示词，系统会自动校验答案的逻辑严谨性，并整理格式，最终直接输出 LaTeX 形式的答案。
3. 智能拒答机制：对于剩余4道未解答的题目，Aletheia 并非给出了错误答案，而是选择了“拒答”。当系统判断无法生成可靠证明时，不会胡编乱造，而是直接输出“无解决方案”。

Aletheia 还能动态调整推理资源的分配。例如，在面对超高难度的第7题时，它能自动投入远超常规题的算力，通过 Generator 子智能体进行多轮生成，并由 Verifier 子智能体严格校验，形成“生成-验证-修订”的循环，直至攻克难关。而对于相对简单的题目，则会合理控制算力，避免资源浪费。

在处理如第10题这类涉及张量分解的数值型问题时，Aletheia 展示出了对 算法 效率的优化能力。它没有直接生成超大维度的 Khatri-Rao 乘积矩阵 Z，而是通过动态生成所需矩阵行的方法，将每轮迭代的复杂度压缩到 O(qr+n²r)，比传统线性求解器的 O(n³r³) 快了几个数量级。

这轮竞赛，谷歌凭借其全自主的智能体略占上风。据悉，下一轮难度更高的问题集将于3月中旬发布，这场 AI 在尖端 数学 领域的较量，值得持续关注。关于此类技术进展的深入讨论，欢迎前往 云栈社区 与更多开发者交流。

参考链接：
[1]https://x.com/lmthang/status/2021644542852968952
[2]https://mathstodon.xyz/@tao/116022211452443707
[3]https://x.com/polynoamial/status/2022527227049742779