事件详情谷歌DeepMind发布了Aletheia，这是一套基于Gemini 3 Deep Think的AI系统，在FirstProof数学挑战中成功解决了10道全新数学问题中的6道。该系统在IMO-ProofBench上取得了约91.9%的成绩，标志着无需人工干预的研究级证明自动发现方面取得了显著进展。与传统基准测试常见的数据污染问题不同，FirstProof挑战包含了十个尚未发表的研究级数学引理，这些问题来源于数学家正在进行的研究工作，从未在网上发布，因此几乎可以确定AI不可能提前见过这些题目。
背景FirstProof挑战是一个全新的数学基准测试，旨在测试AI系统在完全陌生的数学问题上的解决能力。参赛者仅有一周时间提交解答。OpenAI也使用一款尚未发布的内部推理模型参与了该挑战，最初报告解决了6道问题，但随后发现第2题的解答存在逻辑缺陷，将结果下调为5道。
影响
- AI在数学研究领域的自主证明能力取得重大突破，有望加速数学研究进程
- 证明了AI系统具备解决全新、未见过的研究级数学问题的能力
- 为未来AI辅助数学研究开辟了新方向
总结Google DeepMind的Aletheia AI系统在数学证明领域取得了里程碑式的突破，成功解决了大部分全新的研究级数学问题，展现了AI在纯数学研究领域的巨大潜力。这一成果标志着AI从"学习已有知识"向"自主发现新知识"的重要转变。