AI 写出研究级数学论文：Gemini Deep Think 驱动的 Aletheia 项目，标志着「AI 做数学」进入新纪元

你有没有想过，曾经只能刷 IMO 题目的 AI，现在竟然能自己提出并证明全新的研究级数学问题？不是简单复制已知结论，而是像 PhD 学生一样，在开放问题上独立探索、迭代、甚至产出可能发表的成果。

2026 年，Google DeepMind 的 Aletheia 项目用 Gemini 3 Deep Think 驱动的数学研究代理，在 FirstProof 挑战中自主解决 6/10 个全新研究级问题（多数专家认可），这不是科幻，而是已经发生的里程碑。 [[1]](https://arxiv.org/abs/2602.21201)

从“会做高考题”到“自己写论文”，AI 在数学领域的跃迁，比很多人想象得更快，也更真实。

AI 数学能力的「奇点」时刻已来临

过去几年，AI 在数学竞赛上屡创佳绩。2025 年，Gemini 系列模型已在 IMO（国际数学奥林匹克）达到金牌水平。但竞赛题有固定模式、已知解法，训练数据容易“污染”。研究级数学则完全不同：问题开放、新颖、需要跨领域洞见，且没有标准答案可抄。

Aletheia 的出现，正是这个转变的标志。它不是简单刷题工具，而是一个能自主生成、验证、修订的数学研究代理。在 FirstProof 挑战——由专业数学家提出的 10 个真实研究问题——中，Aletheia 在规定时间内自主解决了其中 6 个（问题 2、5、7、8、9、10），专家多数认可，仅问题 8 存在分歧。

为什么这比 IMO 金牌更具里程碑意义？

首先，它避开了数据污染。FirstProof 的问题来自一线数学家的工作，是 AI 训练中未见过的新鲜内容。其次，它强调原创性：AI 不是回忆已知证明，而是从零构建论证路径。最后，它展示了端到端自主性——整个过程用自然语言完成，无需人工大量干预。

普通人能直观判断：AI 已经能独立“想”出新数学 idea，并为之提供严谨支撑。这不再是辅助工具，而是正在成为数学家的真正协作伙伴，甚至独立贡献者。

从 2025 年 IMO 金牌，到 2026 年研究代理，Gemini Deep Think 的迭代路径清晰可见：通过 test-time compute（推理时算力）持续 scaling，推理能力稳步提升。这也解释了为什么 Aletheia 能在 PhD 级练习中展现潜力。

Aletheia 到底是怎么工作的？三个普通人判断

Aletheia 听起来高深，但拆开看，其实像一个极致自律的“数学研究生”在工作。它的核心是 Generator + Verifier + Reviser 的三重循环。 [[2]](https://deepmind.google/blog/accelerating-mathematical-and-scientific-discovery-with-gemini-deep-think/)

• Generator：负责提出初始想法和证明草稿。
• Verifier：像严格的审稿人，找出逻辑漏洞、计算错误或不严谨之处。
• Reviser：根据反馈修改方案，迭代优化。

整个过程不需要把数学转成代码再跑形式验证器，而是用自然语言端到端完成。这极大降低了门槛，也让 AI 能像人类一样“思考”。

想象你让 AI 证明一个几何猜想：它先写一段论证，Verifier 指出“这里边界条件没处理好”，Reviser 就回去补全。循环多次，直到通过。

这可能是 Aletheia 最聪明的地方。很多 AI 会盲目尝试直到资源耗尽，但 Aletheia 能在发现路径不可行时主动放弃，转向新方向。这极大提升了效率。

在 Bloom’s Erdos Conjectures 数据库等公开开放问题上，它已自主解决多个案例（相关论文提到自主解决四个开放问题）。透明度也很高：DeepMind 公开了原始 prompts 和 outputs，任何人都能去 GitHub 查看。

从 IMO 90%+ 到 FirstProof 6/10，再到 IMO-ProofBench ~91.9%，Aletheia 显示：PhD 级练习已可行。关键在于 test-time compute 的 scaling law——给更多推理时间和算力，能力就继续提升，而非遇到瓶颈。 [[3]](https://luhuidev.medium.com/google-deepmind-aletheia-a-deep-dive-into-a-fully-autonomous-math-research-agent-ec36c258aa09)

这意味着，未来普通用户用更强的模型 + 足够算力，就能让 AI 辅助完成高阶数学任务。

“Aletheia 不是在模仿数学家，而是在以自己的方式探索数学真理。”——项目相关描述强调了其迭代本质。

真实案例 + 当前局限，普通人该怎么看

Aletheia 几乎零人工干预，生成了一篇关于算术几何中“eigenweights”的结构常数计算论文。这不是简单验证，而是产出 publishable 级成果。 [[4]](https://arxiv.org/abs/2602.10177)

在 700 个开放问题评估中，Aletheia 自主解决了多个，展示了在猜想数据库上的实际贡献。

问题 7 尤其亮眼，是多年开放问题，Aletheia 给出了接近解决方案。专家评估透明公开，连分歧（如问题 8）都详细记录。

当然，不能盲目乐观。当前局限明显：

• 算力依赖：高性能需要大量 test-time compute，普通硬件难以复制完整 Aletheia。
• 专家验证必要：AI 输出仍需人类数学家最终把关，尤其复杂证明。
• 协作优于取代：目前更适合辅助顶尖研究者，而非完全独立。部分问题仍需人类提供洞见或引导。

以下是简化对比（基于公开信息）：

• 竞赛级（IMO）：AI 已接近或超越人类顶尖，速度快。
• 研究级（FirstProof）：AI 解决 6/10，人类专家团队仍具优势，但 AI 自主性突出。
• 创新性：AI 擅长系统探索，人类擅长直觉跳跃。二者结合潜力最大。

Aletheia 的透明度（公开 prompts、GitHub 项目页）是最大亮点，让普通人也能学习其工作流。 [[2]](https://deepmind.google/blog/accelerating-mathematical-and-scientific-discovery-with-gemini-deep-think/)

对普通中国 AI 用户的实际意义 + 未来展望

对程序员、学生、科研爱好者来说，这意味着什么？

1. 更快验证想法：用类似 agent 思路，快速测试数学猜想或算法优化，无需等导师反馈。

2. 辅助论文写作：文献综述、证明草稿生成、错误检查——极大加速科研流程。

3. 高阶推理学习：通过观察 Aletheia 的迭代过程，普通人能直观学习严谨思考方式，提升自身能力。

4. 跨领域潜力：数学是科学基础，AI 在此突破将加速物理模拟、生物建模、AI 自身优化等。

对中国用户而言，实用性更强。国内科研竞争激烈，能借 AI 工具降低门槛，就多一分先机。学生可以用它辅助奥赛进阶或本科论文；开发者能借鉴其 agent 设计，自动化工作流。

更广泛看，数学发现加速将带动整个科学范式转变。曾经需要多年团队协作的问题，或许几年内就能看到 AI 贡献的突破。

Aletheia 只是开始。当 AI 能自主攻克数学研究，下一个被“自动化”的领域会是物理、生物还是你的日常工作？下一篇文章，我们拆解 Aletheia 的技术细节如何被普通开发者复用，敬请期待。

#AI数学 #Gemini #Aletheia #DeepThink #人工智能 #数学研究 #AI代理 #8848AI #Prompt工程 #科研工具