数学奥林匹克中的人工智能：数学问题解决的新纪元 国际数学奥林匹克（IMO）长期以来一直是全球顶尖学生的最艰难数学竞赛。 现在，它也正在成为人工智能推理的基准。👇

今年标志着一个里程碑： 谷歌DeepMind和OpenAI的AI模型在国际数学奥林匹克（IMO）问题上达到了金牌水平——与顶尖人类选手相同的水平。 这是AI在抽象数学推理能力上的一次真正飞跃。

事件时间线： > 星期五：关于DeepMind获得金牌表现的消息泄露 > 星期六凌晨1点：OpenAI在官方确认之前宣布了结果 > 星期一：DeepMind正式确认金牌状态，优雅的解决方案已由国际数学奥林匹克（IMO）官员完全验证。他们的解决方案更加优雅且经过严格检查。

2024 年至 2025 年的技术转变 去年：像 AlphaGeometry 这样的 AI 模型需要域转换（精益等）+ 2-3 天的计算时间。 今年：Gemini 和 OpenAI 的模型在 IMO 的 4.5 小时限制内以自然语言端到端解决了问题。

风格差异 OpenAI的回答： > 逻辑上合理，但杂乱无章 > 缺乏结构，过度使用“禁止”等术语 > 对于某些问题超过400行 > 不易于人类阅读 Gemini的证明： > 优雅且清晰，IMO评分者表示它们“易于理解” > 可以通过人类写作的标准

问题 2（几何）显示了差距： OpenAI 使用暴力坐标几何→正确但笨拙的 442 行证明 DeepMind 的 Gemini 使用角度追逐和西尔维斯特定理→简洁、富有洞察力的解决方案，反映了熟练的人类。

为什么 Gemini 成功了 > 并行思维：同时探索多个解决方案路径 > 增强多步推理的新型强化学习技术 > 获得精心策划的数学解决方案和战略提示

OpenAI 的方法？ 通用强化学习 + 测试时计算扩展。

这意味着什么 解决 IMO 问题令人印象深刻，但真正的数学更深入： > 抽象推理 >概念创建 > 研究直觉 我们还没有到那一步，但这是向前迈出的真正一步。

为了真正推动人工智能数学能力向前发展，我们需要： > 精细奖励函数 > 专用 RL 管道 >或者也许......一种没有人预料到的通配符技术

随着人工智能在数学、科学和研究领域的深入，计算需求急剧增加。 这就是为什么获得可负担的、可扩展的GPU基础设施至关重要。 让我们让未来对所有人都可及。

查看完整博客请点击这里：

我们与Latent Space的完整播客在这里：