AI 膺惩数学界的速率太快了。

OpenAI 前脚刚用里面模子肆虐埃尔德什的 80 年单元距离问题，谷歌 DeepMind 后脚就解决一个相似卡了东谈主类56 年的埃尔德什数学艰苦——

最新发布AlphaProof Nexus，一套由 Gemini 驱动的智能体框架，一登程点即是9 个埃尔德什通达问题

除了这 9 谈，它还顺遂解说了 OEIS 整数序列百科里的 44 个推测、责罚了一起放手 15 年的代数几何艰苦、还改良了凸优化规模里一个沿用已久的表面范围。

推理老本呢？每谈题几百好意思元，整套解说代码也统统开源放在了 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 年没东谈主作念出来的题，AI 给了什么谜底

AlphaProof Nexus 解决的这几谈题，咱挑三谈最成心想的说说。

Erd ő s  ，1970 年建议，悬置 56 年

这谈题问的是：你能不可找出一个无限大的整数采集，显示两个听起来很别扭的条款：

第一，恣意从中挑三个不同的数字 a、b、c，a 永恒不可整除 b 加 c 的和。

第二，这组数不可太衰败，在当然数里要保合手一定的密度。

简便瓦解即是，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，同期数字还要踱步得相对密集，不可只挑寥寥几个数顺风转舵。

从 1970 年头始，就没东谈主能给出这个采集的完满构造，多样局部施展有，但永恒拼不成一个合座解。

AI 的解法是用中国剩余定理把大问题拆成许多个零丁的区块，每个区块里面用三项等差数列的秘密集来显示不停，然后把统共区块拼回一个完满的无限集。

Erd ő s  ，1996 年建议，30 年莫得定论

这谈题听着就更奇怪了。

假想两个数字采集：第一个采集里全是"在三进制下只由数字 0 和 1 构成的整数"，第二个采集里全是"在四进制下只由数字 0 和 1 构成的整数"。把这两个采集里所少见字两两相加，取得一个新采集。

问：这个新采集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？

直观上你可能会合计，两种采集包含的数字正本就不算许多，加起来应该也挺疏淡的。

但疏淡到什么历程？是透顶稀到密度归零，如故些许保合手少量正密度？

这中间的死别终点诡秘，1996 年建议后一直没定论。

AI 的谜底是：密度为零。

解说想路是 log ₄除以 log ₃是极度数。这意味着 3 的幂次和 4 的幂次不错以恣意精度相互靠拢。

应用这少量，AI 构造了一个归纳性疏淡化论证：接续找到两个简直对皆的圭表，让密度以 0.99 的比率一步步衰减，直到透顶归零。

一个纯数论的性质，解决了一个组合几何的问题。

Erd ő s  ，1992 年建议，卡了东谈主类 34 年。

这是个平面几何题，AI 解说了存在这样一个无限推广的平面点集：

你从中恣意挑出有限个点，总能发现其中大部分点是不共线的——

粗心截一段，看起来都挺闲居，但当你试图把这个无限采集拆分红有限个"绝对莫得任何三点共线"的子集时，办不到。

一个采集的每个有限局部都闲居，但合座刚毅得不可拆分。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，世界杯(中国)把一个几何问题翻译成了图论和逻辑的言语。

除了这三谈，还有六谈分手在整除集构造、范德瓦尔登数缺欠、西顿集孤苦点、采集拆分密度等规模。

同期，AlphaProof Nexus 还在 OEIS 整数序列百科里解说了 44 个通达推测，在代数几何那里解决了一起希尔伯特函数对数凹性的 15 年悬案，凸优化那里改良了一个锚定梯度下跌法的表面范围。

菲尔兹奖得主陶哲轩也曾领导过，AI 现时解决埃尔德什问题的骨子成着力苟简在 1-2%，此次谷歌的系统挑战了 353 谈题，解开 9 谈，比例刚好对上了。

用几百好意思元算力换一起 56 年艰苦

AlphaProof Nexus 的架构中枢用一句话就能说了了，Gemini 3.1 Pro 生成 Lean 言语解说方法→ Lean 编译器逐行查验→报错径直响应给模子→模子把柄报错修改→再查验→轮回到全部通过。

好家伙，这有点像平时写代码，只不外现时 Debug 的是数学定理……

在这套框架里，DeepMind 策画了四个 Agent。

最简便的 Agent A是同期启动多个零丁子 Agent，先靠 Gemini 3.1 Pro 梳瓦解题想路，登程点编写解说代码。

写完坐窝交给编译器核验，一朝报错，装假信息就会传回模子，让它接续修改、重试，直到通关。

全程莫得特等缓助器具，纯靠写代码 + 查错轮回。

Agent B 多了一样东西，AlphaProof。

AlphaProof 是 DeepMind 之前特地为奥数级别题目熏陶过的强化学习解说器具。

当 Agent A 格式在某个小方法上反复卡住、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，特地攻击这个局部难点。

Agent C 引入了进化算法的想路。

前边两种 Agent 的子 Agent 都是各自零丁使命的，互不调换。

Agent C 是统共子 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、深远度、新颖性三个维度给每一份草稿打分，用 Elo 评分系统排行。

高分草稿会互相组合，繁衍出新解法，低分草稿径直淘汰，统共这个词种群在解说空间里作念进化搜索。

Agent D 是全功能完全体，进化筛选想路 + 专项器具攻克难点 + 大模子逻辑推理，三股力量在一个框架里协同，亦然此次批量破解艰苦的主力。

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。

成果没猜测论文里标明最简便的 Agent A，相似能解出全部 9 谈题。

莫得进化算法，莫得 AlphaProof，就一个 LLM 轮回加编译器响应的 Agent A，仅仅在艰苦上更花钱少量。

征询团队把原因归为两个：

一是 Gemini 3.1 Pro 本人的本领一经饱和强了；

二是 Lean 编译器的那层实打实的纠错响应，对 AI 的勾通作用，远比东谈主们意象的更大。

这个成果好像也在预示着，改日跟着大模子本领合手续升级，复杂的多器具组合系统，可能不再是刚需，只用大模子 + 专科校验器具这套简便轮回，就能责罚大大都数学艰苦。

何况这套决议的上风也体现时老本上，单题仅需几百好意思元。

埃尔德什生前为这些艰苦开导了赏格，仅仅他不会猜测——

解开这些谜题的可能不是东谈主类灵敏，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

参考消灭：

[ 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 居品常识库」是量子位智库基于经久居品库跟踪和用户行径数据推出的飞书常识库，旨在成为 AI 行业从业者、投资者、征询者的中枢信息关节与决策相沿平台。

一键眷注 � � 点亮星标

科技前沿施展逐日见开云世界杯官网