AI夺得金牌的那一天 ─ Gemini Deep Think与数学的未来蓝图

1. 背景——“AI vs. 数学奥林匹克”这一舞台

国际数学奥林匹克（IMO）自1959年创立以来，被誉为人类最高水平的智力竞技。参赛者需在4.5小时内解答6道题目，只有前8%的选手才能获得金牌。DeepMind的大型语言模型“Gemini Deep Think（以下简称GDT）”参与挑战，获得了35分（满分42分），并被正式授予金牌。36Kr

2. 什么是“官方”

去年，AlphaProof/AlphaGeometry通过将证明转换为“Lean”等形式语言进行评分，而GDT则直接以英语读取题目，并生成自然语言证明。评审员根据与人类相同的评分标准进行评分，这成为“官方认证”的依据。36Kr

3. Deep Think 模式与并行推理

GDT配备了“Deep Think”扩展推理模式，通过并行展开和整合多条思维路径，实现解答精度与速度的平衡。

• 并行推理：同时生成多种假设，并通过收敛判断算法进行筛选

• 强化学习：通过过去的IMO解答语料库进行自我改进

• 时间管理：在4.5小时的限制内动态分配计算资源

最终，GDT完整解答了5道题，获得了35分。36Kr

4. 各题亮点

（※P6 未挑战）

5. 社交媒体上的热情与质疑

• Sundar Pichai（Google CEO）

  “从银牌到金牌仅用一年——令人惊叹的进步！”X（前称Twitter）

• Google DeepMind 官方

  “首个达到IMO金牌标准的AI，解决了5/6的问题。”X（前称Twitter）

• Hacker News / Reddit 上讨论热烈，“自然语言的完整证明令人震惊”，“P3比往年更简单”是热门话题。techmeme.com

• 埃隆·马斯克 简短回复“恭喜”，同时讽刺道“AI抢走人类工作的时间表又提前了”。The Times of India

另一方面，OpenAI声称其GPT-Grok系列模型也非正式达到金牌水平，围绕评分方法的透明性争论不断。

6. 为什么有意义

1. 推理的普及
   数学是自然语言推理的极致，在此领域的突破将影响法律、科学研究、工程设计等高精度推理领域。

2. 作为工具的AI
   此次成果显示出AI作为“人类数学家的辅助线”的潜力。应用包括提出证明思路、错误检测、训练题目创建等。

3. 缩小教育差距
   如果能实现支持IMO级别问题理解的免费/低成本工具，将有助于纠正数学教育的地区差距。

7. 仍需解决的问题

• 验证成本：自然语言证明难以纠错，与形式化（如Lean）的桥接至关重要。

• 数据泄露疑虑：如何避免对过去问题和解答例的过度学习。

• “小抄携带”争议：大规模上下文输入被批评为损害公平性。

8. 未来的路线图

DeepMind宣布将GDT提供给研究人员，并将在下一代Gemini Ultra中整合推理模块。OpenAI、Anthropic等也在准备类似挑战，预计“AI数学奥林匹克”将成为常设赛事。