Nature公开谷歌IMO金牌模型技术细节，核心团队仅10人，一年给AI

谷歌AI拿IMO金牌这事，别光看热闹。

背后藏着的不是什么天才AI，而是一套堪称暴力的工业化解题流水线。

它的核心玩法是两个学习循环。

第一个是广撒网。

用Gemini把上百万道人类数学题，“翻译”和“繁衍”出8000万道形式化习题。

这个过程并非全自动，而是有人工参与和修正的。

然后砸了8万个TPU日的算力，让一个30亿参数的模型去题海里硬刷。

第二个循环才是真正的杀手锏，专门对付IMO难题。

碰到一道硬骨头，它不硬刚，而是先自动生成40万个相关的“简化版”、“变体版”题目，然后专门训一个“专家模型”来攻克这一个山头。

这哪是解题，这是为一道题专门建了个高强度补习班。

所以它拿金牌也不是全能。

42分的卷子拿了41分，解出了代数和数论的三道题（P1, P2, P6），但几何（P3）和组合数学（P4, P5）那三道题就没搞定。

这说明它偏科严重。

强项是基于现有庞大知识库的逻辑推演，而不是从零创造几何直觉。

跟之前那个专解几何题的AlphaGeometry一比就更清楚了，谷歌这是在搞“专机专用”，不同类型的数学问题得用不同的AI工具集。

数学家们试用后也反馈，这东西找茬、验算、发现反例是一绝，能极大提高研究效率。

但一碰到需要大量全新自定义概念的证明，比如费马大定理那种，它就抓瞎了。

说白了，AlphaProof的成功，展示的不是AI有了人类的数学直觉。

而是证明了，只要数据量足够大，训练方法足够有针对性，AI就能用一种我们无法想象的、资源消耗巨大的方式，攻克人类顶级的智力堡垒。