评分 7.4 · 来源：MarkTechPost · 发布于 2026-03-13
评分依据：首个从竞赛数学迈向自主研究的 AI 智能体，IMO-Proof Bench 95.1% 准确率，已自主解决 4 个开放数学问题
要点
Aletheia 基于 Gemini Deep Think 的增强版本，采用「生成-验证-修正」三段式 Agent 循环架构。Generator 提出候选解法，Verifier 以自然语言检查漏洞与幻觉，Reviser 修正后迭代至通过。DeepMind 发现将验证步骤从生成中解耦是关键——模型在单独验证时能识别出生成阶段忽略的缺陷。
性能层面，Aletheia 在 IMO-Proof Bench Advanced 上达到 95.1% 准确率（此前记录 65.7%）。2026 年 1 月版 Deep Think 在 Olympiad 级问题上将推理计算量降低了 100 倍。工具使用方面，Aletheia 接入 Google 搜索和网页浏览来防止引用幻觉，确保对真实文献的综合而非编造。
里程碑方面，Aletheia 已实现三项突破：Feng26 是第一篇完全自主生成的研究论文（算术几何领域），无需人类介入；LeeSeo26 中 Agent 为人类作者提供高层策略路线图；在 700 个 Erdős 猜想开放问题中自主解决了 4 个。DeepMind 还提出了 AI 数学贡献自主性分级框架（Level 0-2），类似自动驾驶的 L0-L5 体系。
🤖 AI 点评
从「做题家」到「研究员」的跨越，关键不在模型变大，而在架构设计——分离验证、工具调用、自然语言推理循环这三件事组合在一起，才让 Aletheia 能处理需要长程推理的真实研究问题。95.1% 对 65.7% 的跃升背后是推理计算效率百倍提升，暗示「想得更久」在当前范式下仍然是回报最高的投资。自主性分级框架的提出也很有意义，AI 研究贡献需要一个比「图灵测试」更精细的度量标准。