剛剛，大模型再次攻下一城！

GoogleDeepMind宣佈，他們數學AI“摘得”IMO （國際數學奧林匹克競賽）銀牌​​，並且距離金牌僅一分之差！

是的，沒有聽錯！就是難到絕大多數人類的奧數題。要知道今年IMO全部609名參賽者，也僅有58位達到了金牌等級。

這次，GoogleAI解決了2024 IMO競賽6道題目中的4道，而且一做一個滿分，總共獲得28分。（滿分42分，金牌分數線29分）

其中第四題幾何題，AI只用時19秒？ ！

而號稱本屆最難的第六題，今年僅有五名參賽者拿下，它也完全答對。

此次的成績還得到了IMO組委的專業認證——由IMO金牌得主、菲爾茲獎獲得者Timothy Gowers教授和兩屆IMO金牌得主、2024 IMO問題選擇委員會主席Joseph Myers博士進行評分。

Timothy Gowers教授直接驚嘆：遠遠超過我認知的最先進水平。

來康康是如何做到的？

Google拿下IMO銀牌，Alpha家族新成員問世

此次拿下IMO銀牌的是Google兩位Alpha家族成員，他們各自數業都有專攻。

• AlphaProof，Alpha家族新成員，基於強化學習的形式數學推理系統。
• AlphaGeometry 2，先前AlphaGeometry改進版，專門用於解決幾何問題。

先來認識新成員－AlphaProof。

它是一個自訓練系統，能用形式語言Lean來證明數學陳述。它能將預先訓練好的語言模型與AlphaZero強化學習演算法結合在一起。

團隊透過微調Gemini，能自動將自然語言陳述轉換為形式語言Lean陳述，由此建立了一個大型數學題庫。

當遇到問題時，AlphaProof會產生解決方案候選，然後透過搜尋Lean中可能的證明步驟來證明或反駁這些候選。

每個找到並驗證的證明都會用於強化AlphaProof的語言模型，從而提高其解決後續更具挑戰性的問題的能力。

在比賽的前幾周內，它就這麼循環往復地用數百萬個IMO等級題目進行了訓練。

比賽期間也應用了訓練循環，並不斷強化自身證明，直到找到完整的解決方案。

再來理解進化之後的AlphaGeometry 2。它是一個神經-符號混合系統，其中語言模型基於Gemini。

它的前身1.0今年還登上了Nature：無需人類演示達到IMO金牌選手的幾何水平。

跟上一個版本比，它使用了更大一數量級的合成資料進行從頭訓練。而它改採用的符號引擎比前代快兩個數量級。當遇到新問題時，會使用新的知識共享機制來實現不同搜尋樹的高級組合，以解決更複雜的問題。

在正式比賽之前，它已經可以解決過去25年所有IMO幾何問題中的83%，而其前身的解決率僅為53%。

今年IMO賽事中，它只花了19秒就完成了第四個問題。

接著就來看看，這次IMO這兩位是如何配合發揮的。

首先，問題被手動翻譯成正式的數學語言，以便系統理解。

我們知道人類比賽時，分兩次提交答案，每次有4.5個小時。

而Google這兩個系統先是在幾分鐘內解決了一個問題，其他問題則是花了三天時間。

最終，AlphaProof透過確定答案並證明其正確性，解決了兩道代數題和一道數論題。

其中包括比賽中最難的一道題，也就是，今年的IMO比賽中僅有五位選手解出的第六題。

AlphaGeometry 2解決了幾何問題，而兩道組合問題仍未解決。

除此之外，Google團隊也試驗了一種基於Gemini的自然語言推理系統。換言之，無需將問題翻譯成形式語言，並且可以跟其他AI系統結合使用。

團隊表示，他們接下來還會探索更多用於推進數學推理的AI方法。

而關於AlphaProof的更多技術細節，也計畫很快就會發佈。

網友：不懂數學但大受震撼

看到這兩個系統的表現，網友們紛紛表示「不懂數學卻大受震撼」。

AI程式設計師Devin團隊Cognition AI聯合創始人Scott Wu表示：

這樣的結果真是令人驚嘆。小時候，奧林匹克競賽就是我的全部。從未想過它們會在10年後被人工智慧解決。

OpenAI科學家Noam Brown也開麥祝賀：

不過，也有網友表示，如果按照標準比賽時間（競賽分兩天進行，每天四個半小時，每天解決三個題），這兩個AI系統實際上只能解決6個問題中的一個。

這說法立刻得到了部分網友反駁：

在此情境中，速度不是主要關注點。如果浮點操作次數（flops）保持不變，增加計算資源會縮短解決問題所需的時間。

針對這一點，也有網友疑問：

兩個AI系統沒能解答出組合題，是訓練的問題還是計算資源不夠，時間上不行？或還有其他限制嗎？

Timothy Gowers教授發推文給了他的看法：

如果允許人類參賽者在每個問題上花費更多時間，他們的得分無疑會更高。然而，對於AI系統來說，這遠超以往自動定理證明器的能力；其次，隨著效率的提高，所需時間可望進一步縮短。

不過前兩天大模型還困於「9.11和9.9那個數字比較大？」這麼小學題，怎麼這一邊大模型又能解決奧數等級的難題了？ ！

失了智，然後現在怎麼又靈光乍現，恢復了智？

輝達科學家Jim Fan給出解釋：是訓練資料分佈的問題。

Google的這個系統是在形式證明和領域特定符號引擎上進行訓練的。某種程度上說，它們在解決奧林匹克競賽方面高度專業化，即使它們建立在通用大模型基礎上。

而像GPT-4o的訓練集中混有大量GitHub程式碼資料，可能遠遠超過數學資料。在軟體版本中，“v9.11>v9.9”，這可能會嚴重扭曲分佈。所以說，這個錯誤還算說得過去。

對於這一奇怪現象，他形容為

我們發現了一個非常奇特的區域，就像一顆看起來像地球卻遍佈奇異山谷的系外行星。

還有熱心的網友cue了下OpenAI，也許你們也可以嘗試…

對此，奧特曼的回覆是：

（量子位元）