5月25日消息,Google DeepMind 在 arXiv 提交预印本《Advancing Mathematics Research with AI-Driven Formal Proof Search》(2605.22763v1),公开新一代数学研究代理 AlphaProof Nexus。该系统在 353 个已被 Lean 形式化的开放 Erdős 问题中自主解决 9 道,其中包含两道悬而未决 56 年的难题;在 492 个 OEIS(整数序列在线百科全书)开放猜想中证明 44 个,覆盖率约 9%。单题推理成本仅"几百美元",所有形式化证明与精选自然语言版本已在 5 月 20-22 日陆续更新至 GitHub。论文中明确指出,问题集合"完全由开源社区在 Lean 中已经形式化的内容决定,作者未做任何挑选"。
LLM + Lean 形式验证,绕开自然语言证明的审查瓶颈
AlphaProof Nexus 的核心架构是 Gemini 3.1 Pro 与 Lean 形式证明语言的组合,通过 DeepMind 所称的"agentic loops"——智能体生成证明、提交 Lean 校验器、根据反馈迭代,直至通过验证或主动放弃——完成证明搜索。这一设计直接绕开了以往 AI 数学工作最棘手的瓶颈:自然语言证明需要昂贵的专家审查,且可能包含难以察觉的细微错误。机器可校验的 Lean 证明则一旦通过编译器即被认定正确,无须人工反复确认。 值得注意的是,论文事后分析显示,仅由"LLM + Lean"构成的基础 agent 变体也独立解出了同样 9 个 Erdős 问题——只是计算成本更高。Full Nexus 架构(叠加 evolution 机制与 AlphaProof 组件)的优势主要体现在难题上:在 #125、#138 两题上,Full Nexus 较 basic agent 单位成本效率高出 2-5 倍;但在较容易的问题上,basic agent 反而更经济。这一对比是论文最具经济学意味的发现——结果并非只能靠最复杂的架构获得,关键在于编译器反馈闭环本身。
9/353 与 44/492:覆盖率有限,但跨越定理证明的"研究前沿"门槛
数据上,9/353 约为 2.5%,44/492 约为 9%。绝对覆盖率看似不高,但每一题都是专业数学家长期未取得进展、有些问题已悬置数十年的研究前沿——已知具体被攻克的包括 Erdős 问题目录中的 #125、#138、#741、#12 等变体。
这一进展的意义不在数量,而在性质跃迁。2024 年,AlphaProof 在国际数学奥林匹克(IMO)上达到银牌水平,2025 年的 Gemini Deep Think 实现金牌成绩并将 Olympiad 级推理的算力需求降低 100 倍。但 Olympiad 题目设计为"有才华的人类可在数小时内解决",研究级开放问题没有此保证,可能需要全新构造、可能数十年无人推进。AlphaProof Nexus 从 Olympiad solver 跃迁到 research-level prover,是首次在大规模、未筛选的开放研究问题集上获得可验证成果。
OEIS 端的 44 个证明同样关键——这表明 Nexus 并非只在 Erdős 这一类组合数论问题上"过拟合",而是能跨域操作。论文披露其已被部署到组合学、优化、图论等多个数学领域。
与 Aletheia 互补,数学 AI 出现"形式化 vs 自然语言"两条技术路线
AlphaProof Nexus 不是 DeepMind 在 Erdős 上的首次尝试。同一团队 2 月发布的 Aletheia 系统基于 Gemini Deep Think,以自然语言方式工作,在内部为期一周的 FirstProof 评测中自主解决 4 个 Erdős 问题,并配套了自然语言验证机制。两套系统形成清晰互补——Aletheia 强调研究流程完整性(识别问题、调研文献、撰写论文),AlphaProof Nexus 强调形式化可校验性,牺牲表达自由度换取证明可信度。
横向看,这条路线与 OpenAI 主推的纯 LLM 推理路线(o 系列模型 + 思维链)形成范式差异。DeepMind 首席研究员 David Silver 曾公开阐释:数学是 AI 研究的理想领域,因为它具备明确、低成本的验证机制——这一点与编程任务的单元测试反馈、AlphaGo 时代的胜负信号一脉相承。AlphaProof Nexus 正是这一思想在研究数学上的延伸。
国内方向上,DeepSeek、Moonshot、字节豆包等团队的数学推理模型目前主要停留在 MATH、AIME 等竞赛级评测,尚未公开报告在 Lean 形式化研究问题上的可比成果。 局限性:Lean 形式化偏差、模型规模门槛、同行评议尚未完成
需要明确指出几点限制。其一,353 题的评测集本身来自社区在 Lean 中已经形式化的版本,而 Erdős 问题目录共有 1200+ 题。论文作者主动承认这"偏向那些适合 Lean 形式化的问题",对未形式化或难以形式化的问题(尤其是依赖几何直觉、非组合结构的猜想)能力如何,仍属未知。
其二,模型规模存在硬性门槛。Gemini 3.0 Flash、Gemini 3.1 Flash-Lite 等小模型在同一框架下解出 0 道题,意味着该方法目前严重依赖大模型的推理能力,中小尺寸开源模型在短期内难以复刻。
其三,数学社区对 Erdős 问题集本身的代表性存疑。与 DeepMind 合作的数学家 Carlo Pagano 在评论中直言"Erdős 问题并不那么好",认为更应在"具有广泛数学兴趣"的问题上测试。哥伦比亚大学数学家 Mehtaab Sawhney 也指出,此前部分 Erdős 问题之所以仍被列为"open",是因为不够吸引专业研究者投入,而非真正困难。
其四,所有结果尚未通过主流数学期刊同行评议。Scientific American 此前的分析提到,数学界普遍预计 2026 年才会出现"AI 作为正式贡献者"的论文通过同行评议——AlphaProof Nexus 的 Lean 证明虽然可机器校验,但学界对其作为"研究贡献"的认可流程仍在建立中。还有"潜意识剽窃"(subconscious plagiarism)的风险——AI 可能在不主动检索的情况下复现已发表但未被识别的人类证明,这一点也被 Aletheia 论文专门讨论过。
短期判断:数学研究流程进入"agentic loop"时代
把 AlphaProof Nexus 放在更长的时间线里看,它代表了一个范式转变:数学 AI 不再依赖针对特定问题精心设计的专用系统(如早期 AlphaProof 的训练 pipeline),而是回到"通用 LLM + 形式化反馈 + 简单 agent 循环"的极简组合。这一思路与 DeepSeek、Anthropic 等团队在编码、智能体上的趋势完全一致——智能从专用结构转向通用循环。
对独立研究者与中小团队而言,论文给出的明确信号是:数百美元的单题成本意味着 Lean 形式化证明搜索的门槛已被显著拉低,任何具备 Lean 基础与一定 Gemini API 配额的研究者,都有可能在小众数学子领域开展类似的 AI 辅助证明工作。2026 年下半年,数学 arXiv 上"AI 作为作者/贡献者"的论文数量预计会出现明显增长。