刚刚，DeepMind再登Nature：AlphaProof首夺国际数学奥林匹克银牌

本文介绍了DeepMind开发的AlphaProof人工智能模型在国际数学奥林匹克竞赛中达到银牌水平的研究成果。研究背景是数学推理作为衡量高级智能体的关键挑战，传统AI难以解决复杂数学问题。研究目的是通过强化学习与形式化逻辑系统结合，开发能进行可验证数学推理的AI系统。研究采用多阶段训练方法，包括预训练、监督微调和自我博弈强化学习，并创新性地提出测试时强化学习机制。结论表明AlphaProof在多个数学基准测试中达到领先水平，首次在IMO模拟测试中达到银牌水平，证明了形式化系统在复杂推理领域的潜力，为AI在科学推理中的应用奠定基础。