[DeepMind 新突破] Aletheia：自主攻克 FirstProof 研究级数学挑战

TL;DR

谷歌 DeepMind 发布报告，展示了其数学 AI 智能体 Aletheia（基于 Gemini 3 Deep Think）在处理职业数学研究课题上的惊人表现。在备受瞩目的 FirstProof 挑战赛中，Aletheia 在没有任何人类提示的情况下，自主产出了 6 篇符合学术出版标准的数学证明。这不仅仅是解题，更是 AI 首次在完全未知的、研究级的数学坐标系中证明了自己的生存能力。

挑战背景：什么是 FirstProof？

FirstProof 不同于以往的数学竞赛（如 IMO）测试集。它是由 Abouzaid 等多位顶级数学家在 2026 年 2 月发起的，包含 10 个在他们实际研究工作中自然产生的问题。这些问题不仅从未在互联网上出现过（防止 Data Contamination），而且其难度达到了可以直接作为期刊论文 Lemma 的水平。

核心动机：为什么要追求“绝对自主”？

在 AI 辅助证明领域，一直存在“人类专家在回路（Human-in-the-Loop）”的争议。如果人类不断给 AI 提示解题方向，那成果究竟属于谁？ Aletheia 的核心 Insight 在于：可靠性优于广度。

• 自过滤机制 (Self-filtering)：宁可对 4 道难题保持沉默（P1, P3, P4, P6），也不产生带有幻觉的错误证明。
• 架构驱动：利用 Agent 架构进行大规模推理搜索，并由一个严苛的“验证 Prompt”来确信证明的逻辑链条。

方法论详解：从推理到 LaTeX 的自动管道

Aletheia 的管道分为两个阶段：

1. 大规模推理搜索：Generator 尝试多种数学路径，即使在面临 P7 这种曾经是书中“悬而未决”的问题时，也能通过极高的推理算力进行路径探索。
2. 严苛验证与提取：使用一个名为“验证者”的 Sub-agent，扮演学术审稿人的角色。它会对候选证明进行逐行扫描，寻找逻辑谬误或不严谨的引用，只有通过审查的内容才会被转化为高质量的 LaTeX 代码。

图 1：Aletheia 的全自动作业流程：从原生问题文本到 LaTeX 证明输出。

实验战绩：超越人类直觉的解法

在 10 道题目中，Aletheia 成功拿下了 6 道。其中最令人称道的是 Problem 10：

• 背景：处理 CP 张量分解中的 RKHS 约束问题。
• 成就：Aletheia 不仅给出了正确证明，还自主发现了一个预计算步骤，将计算复杂度从官方解法的 $O(q)$ 依赖优化到了更优的理论上限。
• 推理代价：如图 2 所示，对于难题 P7，其消耗的推理成本（Inference Cost）比以往最难的任务还要高出一个数量级，这再次印证了“推理侧 Scaling Law”是通往超级智能的必经之路。

图 2：Aletheia 在各问题上的推理算力投入，P7 的复杂性可见一斑。

深度洞察：AI 会取代数学家吗？

尽管 Aletheia 表现强劲，但实验也暴露了其局限性：

1. 主观性难题：在 P8 及其证明中，专家们对于“什么是可发表的严谨度”仍存在分歧，这意味着 AI 在理解“数学审美”和“含糊性处理”上还有路要走。
2. 长链条崩溃：对于未解决的 4 道题，模型往往陷入计算量爆炸或无法形成闭环。

总结 (Takeaway)： Aletheia 的成功标志着 AI 数学从“模仿者”向“贡献者”的转变。对于未来的产品开发，这启示我们：通过 Agent 脚手架 + 严谨验证层 + 推理算力堆叠，AI 可以在法律、金融、科研等对“无幻觉”有极高要求的严肃领域探索更深层级的自动化。

本文基于 arXiv 报告重构。原作者：Tony Feng, Thang Luong 等 (Google DeepMind)。