DeepMind 亮出 Gemini Deep Think 成果：自主写出数学论文，推翻十年猜想

以前看 AI 做数学题，大家总觉得它像个刷题机器：拿个国际奥数金牌很厉害，但那毕竟是前人出好的题目，答案就在那里。

做真正的前沿科研完全是另一码事。文献汗牛充栋，概念又深又生僻，模型一旦稍微「不懂装懂」，就会一本正经地胡说八道。Google DeepMind 最近公布的进展，就是想把这个刷题机器推进真正的科研实验室。

让 AI 承认「我做不出来」

DeepMind 这次放出了两篇重磅论文，核心角色是基于 Gemini Deep Think 模式打造的数学研究智能体，内部代号叫做 Aletheia。

为了对付高难度科研中的幻觉，团队给 Aletheia 配了一套自然语言验证器，让它能不断推敲、修补自己的证明方案。更有意思的是一个反直觉的设计：系统允许 AI 主动承认「这道题我解不开」。这个机制极大地节省了科研人员的时间，不用再陪着模型在死胡同里兜圈子。

与此同时，智能体还会配合 Google Search 查阅文献，避免编造假论文引用或计算出错。DeepMind 的数据显示，随着推理阶段算力拉大，模型在内部的 IMO-ProofBench Advanced 测试中拿下了 90% 的成绩。在面向博士级别数学练习的 FutureMath Basic 基准上，推理扩展定律依然成立，而且 Aletheia 已经能在更低的推理算力下实现更高质量的推导。

在实际战绩上，Aletheia 已经拿出了完全自主生成的论文（比如独立计算算术几何中被称为特征权重的结构常数），还在布鲁姆的埃尔德什猜想数据库里排查了 700 个未决难题，独立解开了其中 4 个，其中对 Erdős-1051 的解答还推动了后续推广研究。

从找反例到给宇宙弦算积分

在数学之外，DeepMind 也拉着物理学家和计算机科学家测试了 18 个长期卡壳的难题。他们摸索出了一套被称作「导师」的协作模式，让人类带着 AI 进行名为「氛围证明」（Vibe-Proving）的循环迭代，同时用「平衡提示词」要求模型同时尝试证明和反驳，防止先入为主的偏见。

在这些合作中，Gemini 展现出了极强跨领域联想能力。比如在经典的网络划分 Max-Cut 和斯坦纳树问题陷入僵局时，它跳出离散算法的圈子，从完全不相关的连续数学里搬出了 Kirszbraun 定理和测度论工具来破局。

在在线次模优化领域，学术界整整十年都在试图证明一个直觉上「显然成立」的猜想。结果 Gemini 硬是构造出一个极其精巧的三元素反例，一举推翻了人类专家十年的直觉。

甚至在理论物理领域，计算宇宙弦引力辐射时会遇到带奇点的棘手积分，Gemini 找到了用 Gegenbauer 多项式吸收奇点的新解法，把无限级数化简成了有限求和的闭式解。目前这些研究成果大约一半瞄准了顶级会议，其中一篇已被 ICLR 2026 接收，其余正投往各大期刊。

为什么重要

对科研人员来说，这意味着 AI 正式从「自动补全代码」的助手变成了能和你坐下来推公式的「博士后搭子」。它最管用的地方不在于凭空替你拿诺贝尔奖，而在于当你在某个猜想上卡住时，让它去穷举反例，或者当你跨不出专业领域时，让它从别的冷门数学分支里找工具。

我们认为，DeepMind 这一步走得极其聪明。他们没有停留在跑基准分自嗨，而是主动联合数学界制定了一套 AI 参与度的分级标准，公开声明目前自己的成果处于「可发表水平」（Level 2），明确承认还没有达到「重大进展」（Level 3）或「里程碑突破」（Level 4）。这种克制在今天浮夸的 AI 宣传中很罕见，也更容易获得真正学者们的尊重。

更关键的隐患在于验证成本。虽然 Aletheia 能承认失败，但当它端出一篇几十页、看似天衣无缝的符号推导时，人类同行评审的审查负担被指数级放大了。如果未来的学术会议充斥着大量「AI 看着很对、人类审着受罪」的论文，学术共同体的信任体系恐怕要面临真正的考验。