DeepMind 亮出 Gemini Deep Think 成果：自主寫出數學論文，推翻十年猜想

以前看 AI 做數學題，大家總覺得它像個刷題機器：拿個國際奧數金牌很厲害，但那畢竟是前人出好的題目，答案就在那裡。

做真正的前沿科研完全是另一碼事。文獻汗牛充棟，概念又深又生僻，模型一旦稍微「不懂裝懂」，就會一本正經地胡說八道。Google DeepMind 最近公佈的進展，就是想把這個刷題機器推進真正的科研實驗室。

讓 AI 承認「我做不出來」

DeepMind 這次放出了兩篇重磅論文，核心角色是基於 Gemini Deep Think 模式打造的數學研究智慧體，內部代號叫做 Aletheia。

為了對付高難度科研中的幻覺，團隊給 Aletheia 配了一套自然語言驗證器，讓它能不斷推敲、修補自己的證明方案。更有意思的是一個反直覺的設計：系統允許 AI 主動承認「這道題我解不開」。這個機制極大地節省了科研人員的時間，不用再陪著模型在死衚衕裡兜圈子。

與此同時，智慧體還會配合 Google Search 查閱文獻，避免編造假論文引用或計算出錯。DeepMind 的資料顯示，隨著推理階段算力拉大，模型在內部的 IMO-ProofBench Advanced 測試中拿下了 90% 的成績。在面向博士級別數學練習的 FutureMath Basic 基準上，推理擴充套件定律依然成立，而且 Aletheia 已經能在更低的推理算力下實現更高質量的推導。

在實際戰績上，Aletheia 已經拿出了完全自主生成的論文（比如獨立計算算術幾何中被稱為特徵權重的結構常數），還在布魯姆的埃爾德什猜想資料庫裡排查了 700 個未決難題，獨立解開了其中 4 個，其中對 Erdős-1051 的解答還推動了後續推廣研究。

從找反例到給宇宙弦算積分

在數學之外，DeepMind 也拉著物理學家和電腦科學家測試了 18 個長期卡殼的難題。他們摸索出了一套被稱作「導師」的協作模式，讓人類帶著 AI 進行名為「氛圍證明」（Vibe-Proving）的迴圈迭代，同時用「平衡提示詞」要求模型同時嘗試證明和反駁，防止先入為主的偏見。

在這些合作中，Gemini 展現出了極強跨領域聯想能力。比如在經典的網路劃分 Max-Cut 和斯坦納樹問題陷入僵局時，它跳出離散演算法的圈子，從完全不相關的連續數學裡搬出了 Kirszbraun 定理和測度論工具來破局。

在線上次模最佳化領域，學術界整整十年都在試圖證明一個直覺上「顯然成立」的猜想。結果 Gemini 硬是構造出一個極其精巧的三元素反例，一舉推翻了人類專家十年的直覺。

甚至在理論物理領域，計算宇宙弦引力輻射時會遇到帶奇點的棘手積分，Gemini 找到了用 Gegenbauer 多項式吸收奇點的新解法，把無限級數化簡成了有限求和的閉式解。目前這些研究成果大約一半瞄準了頂級會議，其中一篇已被 ICLR 2026 接收，其餘正投往各大期刊。

為什麼重要

對科研人員來說，這意味著 AI 正式從「自動補全程式碼」的助手變成了能和你坐下來推公式的「博士後搭子」。它最管用的地方不在於憑空替你拿諾貝爾獎，而在於當你在某個猜想上卡住時，讓它去窮舉反例，或者當你跨不出專業領域時，讓它從別的冷門數學分支裡找工具。

我們認為，DeepMind 這一步走得極其聰明。他們沒有停留在跑基準分自嗨，而是主動聯合數學界制定了一套 AI 參與度的分級標準，公開宣告目前自己的成果處於「可發表水平」（Level 2），明確承認還沒有達到「重大進展」（Level 3）或「里程碑突破」（Level 4）。這種剋制在今天浮誇的 AI 宣傳中很罕見，也更容易獲得真正學者們的尊重。

更關鍵的隱患在於驗證成本。雖然 Aletheia 能承認失敗，但當它端出一篇幾十頁、看似天衣無縫的符號推導時，人類同行評審的審查負擔被指數級放大了。如果未來的學術會議充斥著大量「AI 看著很對、人類審著受罪」的論文，學術共同體的信任體系恐怕要面臨真正的考驗。