DeepMind · 大模型
DeepMind 发布 AlphaGeometry 奥数级几何推理系统
DeepMind 推出 AlphaGeometry，一个专为解决几何问题设计的 AI 系统，达到国际数学奥林匹克竞赛选手水平。该系统将神经语言模型与符号推理引擎结合，能够在无须人类演示的情况下自主推导几何定理。AlphaGeometry 在奥数几何题上接近金牌选手水准，标志着 AI 在数学推理能力上的一次重要跨越。
- 域名
deepmind.google- 评分
- 5 · 重大发布
- 发布
- 2026-03-11
导读
AlphaGeometry 是 DeepMind 在 2024 年 1 月发表于 Nature 的几何推理系统，作者 Trieu Trinh、Yuhuai Wu、Quoc Le、He He、Thang Luong。在 IMO-AG-30 这套覆盖 2000 至 2022 年奥赛的 30 道几何题上，AlphaGeometry 在标准比赛时限内解出 25 道，逼近人类金牌选手 25.9 道的平均水准；此前最强的方法 Wu's method 只解出 10 道。
系统由 neural language model 与基于形式逻辑的符号演绎引擎两部分组成。奥赛几何题往往需要在原图上添加新点、新线、新圆等辅助构造才能推进，语言模型负责从无限种可能里挑出最可能有用的那一个，符号引擎接住这条线索继续严格演绎，直到证明完成或可演绎空间枯竭，再回到语言模型找新构造。这种 neuro-symbolic 分工对应卡尼曼的 thinking, fast and slow 模型。
训练数据完全由系统自生成。研究者用大规模并行计算随机生成 10 亿张几何图，把每张图里能演绎出的所有关系全部展开，再倒推哪些辅助构造对应这些证明，他们称之为 symbolic deduction and traceback。去重过滤后保留 1 亿个独特训练样本，其中约 900 万个需要新增构造。AlphaGeometry 在 2015 年 IMO 第 3 题上给出的解答有 109 个逻辑步骤，Evan Chen 评价它的输出既机器可验证又保持人类可读，使用的还是角、相似三角形这些学生熟悉的经典几何规则。代码已在 google-deepmind/alphageometry 开源。