Google DeepMind 团队近日推出了 Aletheia。Aletheia。
Aletheia是一款专门设计的 AI 智能体，旨在弥合竞赛级数学与专业研究级数学之间的鸿沟。尽管模型在 2025 年国际数学奥林匹克（ IMO ）中已达到金牌标准，但真正的科研工作还需要查阅海量文献并构建长程证明。Aletheia 通过在自然语言中迭代地生成、验证和修改解决方案，成功解决了这一难题。
架构核心：智能体循环（Agentic Loop）
Aletheia 由 Gemini Deep Think 的高级版本驱动。它利用一个由三部分组成的“智能体套件”来提升可靠性：
- 生成器（Generator）： 针对研究课题提出候选解决方案。
- 验证器（Verifier）： 一种非正式的自然语言机制，用于检查逻辑缺陷或幻觉。
- 修改器（Reviser）： 根据验证器识别的错误进行修正，直到最终输出获得批准。
这种职责分离至关重要；研究人员观察到，将验证过程显式独立出来，有助于模型识别出其在生成阶段最初忽略的缺陷。
关键技术突破
在开发 Aletheia 的过程中，团队对 AI 处理复杂推理的方式有了几项深刻洞察：
- 推理时缩放（Inference-Time Scaling）： 在查询时为模型分配更多算力——即让它“思考得更久”——能显著提高准确率。Deep Think 的 2026 年 1 月版本在处理 IMO 级别问题时，所需的算力比 2025 年版本降低了 100 倍。
- 卓越性能： Aletheia 在 IMO-Proof Bench Advanced 测试中达到了 95.1% 的准确率，相比此前 65.7% 的纪录实现了巨大飞跃。它在 FutureMath Basic（一个包含博士级练习题的内部基准测试）中也展现了行业领先的性能。
- 工具调用： 为防止文献引用幻觉，Aletheia 接入了 Google Search 和网页浏览功能。这有助于它合成真实的全球数学文献。
数学研究里程碑
Aletheia 已经贡献了多项经同行评审的研究成果：
- 全自主研究： Aletheia 在没有任何人类干预的情况下，生成了一篇计算“特征权重”（ eigenweights ）结构常数的研究论文。
- 人机协作： 该智能体为证明“独立集”的边界提供了高层路线图和总体策略，随后由人类作者将其转化为严密的证明。
- 攻克埃尔德什猜想： 在针对 700 个开放性问题进行测试时，Aletheia 找到了 63 个技术上正确的方案，并自主解决了 4 个悬而未决的问题。
AI 自主性分级体系
DeepMind 仿照自动驾驶分级，提出了一套衡量 AI 数学贡献的标准：
| 等级 | 自主性描述 | 科学意义（示例） |
| Level 0 | 以人类为主 | 创新性可忽略（奥数级别） |
| Level 1 | 人机协作 | 少量创新 |
| Level 2 | 基本自主 | 达到发表水平的研究 |
其中，论文 Feng26 被归类为 Level A2，意味着它基本属于自主完成，且达到了可发表的质量。
核心总结
- 科研级 AI 智能体的问世： Aletheia 是一款超越了竞赛解题范畴的数学研究智能体，能够自主生成、验证并修改自然语言证明。它依托于 Gemini Deep Think 高级版及“生成-验证-修改”的闭环架构。
- 推理时缩放带来显著收益： 研究发现，增加推理时的“思考时间”能大幅提升准确率。2026 年 1 月版的 Deep Think 将达到奥数级表现所需的算力降低了 100 倍，并在高级证明基准测试中创下了 95.1% 的纪录。
- 自主科研的里程碑： 系统实现了多个“业界第一”，包括独立完成一篇关于算术几何的论文（ Feng26 ），并自主解决了 4 个来自 Erdős 猜想数据库的开放性数学问题。
- 工具使用与验证的关键作用： 为遏制伪造文献引用等“幻觉”现象，Aletheia 深度依赖 Google Search。同时，将验证步骤从生成步骤中解耦，对于发现初始逻辑瑕疵至关重要。
- 提出自主性新分类法： 论文建议建立标准框架来记录 AI 辅助成果，涵盖自主度（ Level H 至 Level A ）和数学意义（ Level 0 至 Level 4 ）两个维度。这旨在提升透明度，弥合 AI 宣称的能力与专业数学标准之间的评估差距。
