AI 进攻数学界的速率太快了。

OpenAI 前脚刚用里面模子坑害埃尔德什的 80 年单元距离问题，谷歌 DeepMind 后脚就解决一个一样卡了东说念主类56 年的埃尔德什数学波折——

最新发布AlphaProof Nexus，一套由 Gemini 驱动的智能体框架，一动手即是9 个埃尔德什敞开问题

除了这 9 说念，它还顺遂解说了 OEIS 整数序列百科里的 44 个臆测、处分了一齐放手 15 年的代数几何波折、还改革了凸优化鸿沟里一个沿用已久的表面范围。

推理资本呢？每说念题几百好意思元，整套解说代码也完好意思开源放在了 GitHub 上。

这篇论文共有 20 位作家，其中的Aja Huang，亦然 2016 年AlphaGo的中枢征询员。

56 年没东说念主作念出来的题，AI 给了什么谜底

AlphaProof Nexus 解决的这几说念题，咱挑三说念最有兴致的说说。

Erd ő s  ，1970 年提议，悬置 56 年

这说念题问的是：你能不可找出一个无限大的整数面临，逍遥两个听起来很别扭的条目：

第一，任意从中挑三个不同的数字 a、b、c，a 永远不可整除 b 加 c 的和。

第二，这组数不可太脱落，在当然数里要保抓一定的密度。

纯粹相识即是，这群数字之间，既不可一个数整除另一个数，也不可一个数整除另外两个数的和，同期数字还要散布得相对密集，不可只挑寥寥几个数脚踏两只船。

从 1970 年开动，就没东说念主能给出这个面临的完好意思构造，各式局部施展有，但长久拼不成一个全体解。

AI 的解法是用中国剩余定理把大问题拆成许多个寂寥的区块，每个区块里面用三项等差数列的隐私集来逍遥敛迹，然后把通盘区块拼回一个完好意思的无限集。

Erd ő s  ，1996 年提议，30 年莫得定论

这说念题听着就更奇怪了。

瞎想两个数字面临：第一个面临里全是"在三进制下只由数字 0 和 1 构成的整数"，第二个面临里全是"在四进制下只由数字 0 和 1 构成的整数"。把这两个面临里所稀有字两两相加，取得一个新面临。

问：这个新面临里的数字在当然数中出现的频率（数学上叫下密度）是不是正的？

直观上你可能会认为，两种面临包含的数字原本就不算好多，加起来应该也挺寥落的。

但寥落到什么进度？是绝对稀到密度归零，如故几许保抓极少正密度？

这中间的永别非常巧妙，1996 年提议后一直没定论。

AI 的谜底是：密度为零。

解说念念路是 log ₄除以 log ₃是乖张数。这意味着 3 的幂次和 4 的幂次不错以任意精度相互贴近。

哄骗这极少，AI 构造了一个归纳性寥落化论证：束缚找到两个险些对皆的表率，让密度以 0.99 的比率一步步衰减，直到绝对归零。

一个纯数论的性质，解决了一个组合几何的问题。

Erd ő s  ，1992 年提议，卡了东说念主类 34 年。

这是个平面几何题，AI 解说了存在这样一个无限扩张的平面点集：

你从中任意挑出有限个点，总能发现其中大部分点是不共线的——

任意截一段，看起来都挺浮浅，但当你试图把这个无限面临拆分红有限个"绝对莫得任何三点共线"的子集时，办不到。

一个面临的每个有限局部都浮浅，但全体果断得不可拆分。这种全局与局部的张力，是组合几何里最难的那一类问题。

AI 把完全图的每条边映射到平面上一个点，用二次多项式编码坐标，再拉上无尽 Ramsey 定理完成解说，开云体育app2026世界杯官方推荐版下载把一个几何问题翻译成了图论和逻辑的谈话。

除了这三说念，还有六说念辞别在整除集构造、范德瓦尔登数瑕玷、西顿集伶仃点、面临拆分密度等鸿沟。

同期，AlphaProof Nexus 还在 OEIS 整数序列百科里解说了 44 个敞开臆测，在代数几何哪里解决了一齐希尔伯特函数对数凹性的 15 年悬案，凸优化哪里改革了一个锚定梯度下落法的表面范围。

菲尔兹奖得主陶哲轩也曾教导过，AI 目下解决埃尔德什问题的本色到手率大致在 1-2%，此次谷歌的系统挑战了 353 说念题，解开 9 说念，比例刚好对上了。

用几百好意思元算力换一齐 56 年波折

AlphaProof Nexus 的架构中枢用一句话就能评释晰，Gemini 3.1 Pro 生成 Lean 谈话解说步调→ Lean 编译器逐行检查→报错径直响应给模子→模子说明报错修改→再检查→轮回到全部通过。

AG真人中国官方网站

好家伙，这有点像平时写代码，只不外当今 Debug 的是数学定理……

在这套框架里，DeepMind 打算了四个 Agent。

最纯粹的 Agent A是同期启动多个寂寥子 Agent，先靠 Gemini 3.1 Pro 梳相识题念念路，入手编写解说代码。

写完坐窝交给编译器核验，一朝报错，失实信息就会传回模子，让它束缚修改、重试，直到通关。

全程莫得特别辅助器用，纯靠写代码 + 查错轮回。

Agent B 多了一样东西，AlphaProof。

AlphaProof 是 DeepMind 之前特意为奥数级别题目考验过的强化学习解说器用。

当 Agent A 阵势在某个小步调上反复卡住、编译器反复报错也修不外来时，Agent B 不错调用 AlphaProof 作念一次强化学习驱动的树搜索，特意转折这个局部难点。

Agent C 引入了进化算法的念念路。

前边两种 Agent 的子 Agent 都是各自寂寥使命的，互不相通。

Agent C 是通盘子 Agent 分享一个解说草图种群，每一个子模块都会产出不同的解说草稿。

然后由另一个模子从合感性、澄莹度、新颖性三个维度给每一份草稿打分，用 Elo 评分系统排行。

高分草稿会相互组合，生息出新解法，低分草稿径直淘汰，通盘种群在解说空间里作念进化搜索。

Agent D 是全功能完全体，进化筛选念念路 + 专项器用攻克难点 + 大模子逻辑推理，三股力量在一个框架里协同，亦然此次批量破解波折的主力。

这样看下来，我以为最强的 Agent D 应该会碾压一切，Agent A 只当个对照组。

遵循没料到论文里标明最纯粹的 Agent A，一样能解出全部 9 说念题。

莫得进化算法，莫得 AlphaProof，就一个 LLM 轮回加编译器响应的 Agent A，仅仅在波折上更用钱极少。

征询团队把原因归为两个：

一是 Gemini 3.1 Pro 自身的工夫还是实足强了；

二是 Lean 编译器的那层实打实的纠错响应，对 AI 的带领作用，远比东说念主们预感的更大。

这个遵循简略也在预示着，改日跟着大模子工夫抓续升级，复杂的多器用组合系统，可能不再是刚需，只用大模子 + 专科校验器用这套纯粹轮回，就能处分大大量数学波折。

何况这套决策的上风也体当今资本上，单题仅需几百好意思元。

埃尔德什生前为这些波折成立了赏格，仅仅他不会料到——

解开这些谜题的可能不是东说念主类奢睿，而是算力。

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

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

参考贯穿：

[ 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 居品从业者共建  —

� �「AI 居品学问库」是量子位智库基于耐久居品库跟踪和用户作为数据推出的飞书学问库，旨在成为 AI 行业从业者、投资者、征询者的中枢信息要害与决策辅助平台。

一键热心 � � 点亮星标

科技前沿施展逐日见开云体育app2026世界杯中国官方下载