AI 膺懲數學界的速率太快了。

OpenAI 前腳剛用里面模子肆虐埃爾德什的 80 年單元距離問題，谷歌 DeepMind 后腳就解決一個相似卡了東談主類56 年的埃爾德什數學艱苦——

最新發布AlphaProof Nexus，一套由 Gemini 驅動的智能體框架，一登程點即是9 個埃爾德什通達問題

除了這 9 談，它還順遂解說了 OEIS 整數序列百科里的 44 個推測、責罰了一起放手 15 年的代數幾何艱苦、還改良了凸優化規模里一個沿用已久的表面范圍。

推理老本呢？每談題幾百好意思元，整套解說代碼也統統開源放在了 GitHub 上。

這篇論文共有 20 位作家，其中的Aja Huang，亦然 2016 年AlphaGo的中樞征詢員。

56 年沒東談主作念出來的題，AI 給了什么謎底

AlphaProof Nexus 解決的這幾談題，咱挑三談最成心想的說說。

Erd ? s ?，1970 年建議，懸置 56 年

這談題問的是：你能不可找出一個無限大的整數采集，顯示兩個聽起來很別扭的條款：

第一，恣意從中挑三個不同的數字 a、b、c，a 永恒不可整除 b 加 c 的和。

第二，這組數不可太衰敗，在當然數里要保合手一定的密度。

簡便瓦解即是，這群數字之間，既不可一個數整除另一個數，也不可一個數整除另外兩個數的和，同期數字還要踱步得相對密集，不可只挑寥寥幾個數順風轉舵。

從 1970 年頭始，就沒東談主能給出這個采集的完滿構造，多樣局部施展有，但永恒拼不成一個合座解。

AI 的解法是用中國剩余定理把大問題拆成許多個零丁的區塊，每個區塊里面用三項等差數列的秘密集來顯示不停，然后把統共區塊拼回一個完滿的無限集。

Erd ? s ?，1996 年建議，30 年莫得定論

這談題聽著就更奇怪了。

假想兩個數字采集：第一個采集里全是"在三進制下只由數字 0 和 1 構成的整數"，第二個采集里全是"在四進制下只由數字 0 和 1 構成的整數"。把這兩個采集里所少見字兩兩相加，取得一個新采集。

問：這個新采集里的數字在當然數中出現的頻率（數學上叫下密度）是不是正的？

直觀上你可能會合計，兩種采集包含的數字正本就不算許多，加起來應該也挺疏淡的。

但疏淡到什么歷程？是透頂稀到密度歸零，如故些許保合手少量正密度？

這中間的死別終點詭秘，1996 年建議后一直沒定論。

AI 的謎底是：密度為零。

解說想路是 log ?除以 log ?是極度數。這意味著 3 的冪次和 4 的冪次不錯以恣意精度相互靠攏。

應用這少量，AI 構造了一個歸納性疏淡化論證：接續找到兩個簡直對皆的圭表，讓密度以 0.99 的比率一步步衰減，直到透頂歸零。

一個純數論的性質，解決了一個組合幾何的問題。

Erd ? s ?，1992 年建議，卡了東談主類 34 年。

這是個平面幾何題，AI 解說了存在這樣一個無限推廣的平面點集：

你從中恣意挑出有限個點，總能發現其中大部分點是不共線的——

粗心截一段，看起來都挺閑居，但當你試圖把這個無限采集拆分紅有限個"絕對莫得任何三點共線"的子集時，辦不到。

一個采集的每個有限局部都閑居，但合座剛毅得不可拆分。這種全局與局部的張力，是組合幾何里最難的那一類問題。

AI 把完全圖的每條邊映射到平面上一個點，用二次多項式編碼坐標，再拉上無盡 Ramsey 定理完成解說，世界杯(中國)把一個幾何問題翻譯成了圖論和邏輯的言語。

除了這三談，還有六談分手在整除集構造、范德瓦爾登數缺欠、西頓集孤苦點、采集拆分密度等規模。

同期，AlphaProof Nexus 還在 OEIS 整數序列百科里解說了 44 個通達推測，在代數幾何那里解決了一起希爾伯特函數對數凹性的 15 年懸案，凸優化那里改良了一個錨定梯度下跌法的表面范圍。

菲爾茲獎得主陶哲軒也曾領導過，AI 現時解決埃爾德什問題的骨子成著力茍簡在 1-2%，此次谷歌的系統挑戰了 353 談題，解開 9 談，比例剛好對上了。

用幾百好意思元算力換一起 56 年艱苦

AlphaProof Nexus 的架構中樞用一句話就能說了了，Gemini 3.1 Pro 生成 Lean 言語解說方法→ Lean 編譯器逐行查驗→報錯徑直響應給模子→模子把柄報錯修改→再查驗→輪回到全部通過。

好家伙，這有點像平時寫代碼，只不外現時 Debug 的是數學定理……

在這套框架里，DeepMind 策畫了四個 Agent。

最簡便的 Agent A是同期啟動多個零丁子 Agent，先靠 Gemini 3.1 Pro 梳瓦解題想路，登程點編寫解說代碼。

寫完坐窩交給編譯器核驗，一朝報錯，裝假信息就會傳回模子，讓它接續修改、重試，直到通關。

全程莫得特等緩助器具，純靠寫代碼 + 查錯輪回。

Agent B 多了一樣東西，AlphaProof。

AlphaProof 是 DeepMind 之前特地為奧數級別題目熏陶過的強化學習解說器具。

當 Agent A 格式在某個小方法上反復卡住、編譯器反復報錯也修不外來時，Agent B 不錯調用 AlphaProof 作念一次強化學習驅動的樹搜索，特地攻擊這個局部難點。

Agent C 引入了進化算法的想路。

前邊兩種 Agent 的子 Agent 都是各自零丁使命的，互不調換。

Agent C 是統共子 Agent 分享一個解說草圖種群，每一個子模塊都會產出不同的解說草稿。

然后由另一個模子從合感性、深遠度、新穎性三個維度給每一份草稿打分，用 Elo 評分系統排行。

高分草稿會互相組合，繁衍出新解法，低分草稿徑直淘汰，統共這個詞種群在解說空間里作念進化搜索。

Agent D 是全功能完全體，進化篩選想路 + 專項器具攻克難點 + 大模子邏輯推理，三股力量在一個框架里協同，亦然此次批量破解艱苦的主力。

這樣看下來，我以為最強的 Agent D 應該會碾壓一切，Agent A 只當個對照組。

成果沒猜測論文里標明最簡便的 Agent A，相似能解出全部 9 談題。

莫得進化算法，莫得 AlphaProof，就一個 LLM 輪回加編譯器響應的 Agent A，僅僅在艱苦上更花錢少量。

征詢團隊把原因歸為兩個：

一是 Gemini 3.1 Pro 本人的本領一經飽和強了；

二是 Lean 編譯器的那層實打實的糾錯響應，對 AI 的勾通作用，遠比東談主們意象的更大。

這個成果好像也在預示著，改日跟著大模子本領合手續升級，復雜的多器具組合系統，可能不再是剛需，只用大模子 + 專科校驗器具這套簡便輪回，就能責罰大大都數學艱苦。

何況這套決議的上風也體現時老本上，單題僅需幾百好意思元。

埃爾德什生前為這些艱苦開導了賞格，僅僅他不會猜測——

解開這些謎題的可能不是東談主類靈敏，而是算力。

論文地址：https://arxiv.org/abs/2605.22763v1

Github 地址：https://github.com/google-deepmind/alphaproof-nexus-results

參考消滅：

[ 1 ] https://x.com/pushmeet/status/2058936037754224998

[ 2 ] https://the-decoder.com/google-deepminds-alphaproof-nexus-solves-decades-old-math-problems-for-a-few-hundred-dollars/

— ?接待 AI 居品從業者共建 ?—

? ?「AI 居品常識庫」是量子位智庫基于經久居品庫跟蹤和用戶行徑數據推出的飛書常識庫，旨在成為 AI 行業從業者、投資者、征詢者的中樞信息關節與決策相沿平臺。

一鍵眷注 ? ? 點亮星標

科技前沿施展逐日見開云世界杯官網