上海AI實(shí)驗(yàn)室攜手多家頂尖院校：讓AI像數(shù)學(xué)奧賽銀牌選手一樣思考

當(dāng)你面對(duì)一道復(fù)雜的數(shù)學(xué)題時(shí)，可能會(huì)在草稿紙上反復(fù)推演、列出各種可能的解題思路，甚至要花費(fèi)數(shù)小時(shí)才能找到答案。而對(duì)于那些參加國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽的頂尖選手來(lái)說(shuō)，他們不僅要在有限時(shí)間內(nèi)解決這些"變態(tài)"難題，還要保證推理過(guò)程的嚴(yán)密性?，F(xiàn)在，來(lái)自上海人工智能實(shí)驗(yàn)室、上海交通大學(xué)、香港中文大學(xué)等多家頂尖研究機(jī)構(gòu)的科學(xué)家們，成功讓人工智能也具備了這樣的超強(qiáng)數(shù)學(xué)推理能力。

這項(xiàng)由上海人工智能實(shí)驗(yàn)室的高松陽(yáng)、顧雨哲、張文偉等研究人員領(lǐng)導(dǎo)的突破性研究，發(fā)表于2025年12月的arXiv預(yù)印本平臺(tái)（論文編號(hào)：arXiv:2512.10739v1）。他們開(kāi)發(fā)出了一個(gè)名為Intern-S1-MO的數(shù)學(xué)推理智能體，這個(gè)AI系統(tǒng)在國(guó)際數(shù)學(xué)奧林匹克2025年的非幾何題目中取得了26分（滿(mǎn)分35分），達(dá)到了銀牌選手的水平。更令人驚訝的是，它還在中國(guó)數(shù)學(xué)奧林匹克2025年的正式比賽中獲得了102分（滿(mǎn)分126分），超越了金牌門(mén)檻的78分。

要理解這項(xiàng)成就的意義，我們可以回想一下自己做數(shù)學(xué)題的過(guò)程。當(dāng)遇到特別復(fù)雜的問(wèn)題時(shí)，你可能會(huì)先嘗試一種方法，發(fā)現(xiàn)行不通后再換另一種思路，有時(shí)還需要借助一些已知的定理或公式作為"墊腳石"。問(wèn)題是，現(xiàn)有的AI模型就像是只有一頁(yè)紙的答題本，當(dāng)題目需要大量推理步驟時(shí)，這一頁(yè)紙很快就不夠用了。

研究團(tuán)隊(duì)面臨的核心挑戰(zhàn)是，傳統(tǒng)的大型語(yǔ)言模型雖然在數(shù)學(xué)推理方面已經(jīng)相當(dāng)出色，但它們受到"上下文長(zhǎng)度"的嚴(yán)重限制。用通俗的話(huà)說(shuō)，就像人的短期記憶容量有限一樣，這些模型一次只能"記住"和處理固定長(zhǎng)度的信息。對(duì)于那些需要多步驟復(fù)雜推理的奧數(shù)級(jí)別題目，這個(gè)限制就成了致命弱點(diǎn)。當(dāng)前最先進(jìn)的推理模型通常只能處理6萬(wàn)到12萬(wàn)個(gè)"詞匯單位"，但解決國(guó)際數(shù)學(xué)奧林匹克級(jí)別的問(wèn)題往往需要更長(zhǎng)的思考過(guò)程。

為了突破這個(gè)瓶頸，研究團(tuán)隊(duì)創(chuàng)造性地設(shè)計(jì)了一個(gè)多智能體協(xié)作系統(tǒng)。如果把傳統(tǒng)AI比作一個(gè)獨(dú)自埋頭解題的學(xué)生，那么Intern-S1-MO就像是一個(gè)由三個(gè)專(zhuān)業(yè)角色組成的"學(xué)習(xí)小組"：推理者、總結(jié)者和驗(yàn)證者。推理者負(fù)責(zé)探索各種可能的解題路徑，總結(jié)者將復(fù)雜的推理過(guò)程提煉成簡(jiǎn)潔的"引理"（可以理解為解題過(guò)程中發(fā)現(xiàn)的小結(jié)論），而驗(yàn)證者則檢查這些推理步驟是否正確。

這個(gè)系統(tǒng)最巧妙的地方在于它的"記憶管理"機(jī)制。就像一個(gè)經(jīng)驗(yàn)豐富的數(shù)學(xué)家會(huì)在解題過(guò)程中記錄下有用的中間結(jié)論，Intern-S1-MO會(huì)將每輪推理中獲得的有價(jià)值信息壓縮成簡(jiǎn)潔的引理，存儲(chǔ)在一個(gè)"引理庫(kù)"中。這樣，即使單次推理的"紙張"用完了，系統(tǒng)也能通過(guò)查閱這個(gè)引理庫(kù)來(lái)繼續(xù)深入思考，有效地突破了傳統(tǒng)模型的上下文長(zhǎng)度限制。

更進(jìn)一步，研究團(tuán)隊(duì)還開(kāi)發(fā)了一個(gè)名為OREAL-H的強(qiáng)化學(xué)習(xí)框架來(lái)訓(xùn)練這個(gè)多智能體系統(tǒng)。這就像是為這個(gè)"學(xué)習(xí)小組"設(shè)計(jì)了一套科學(xué)的訓(xùn)練方法，讓它們能夠從解題經(jīng)驗(yàn)中不斷學(xué)習(xí)和改進(jìn)。傳統(tǒng)的強(qiáng)化學(xué)習(xí)往往只關(guān)注最終答案的對(duì)錯(cuò)，但OREAL-H更加聰明，它會(huì)分析整個(gè)解題過(guò)程，識(shí)別出哪些推理步驟是有價(jià)值的，哪些是無(wú)效的，從而給予相應(yīng)的獎(jiǎng)勵(lì)或懲罰。

這種訓(xùn)練方式的巧妙之處在于它引入了"引理依賴(lài)圖"的概念。簡(jiǎn)單來(lái)說(shuō)，就是系統(tǒng)會(huì)分析不同引理之間的邏輯關(guān)系，就像繪制一張"知識(shí)地圖"，標(biāo)明哪些小結(jié)論能夠?qū)蜃罱K的正確答案。通過(guò)這種方式，系統(tǒng)能夠更準(zhǔn)確地評(píng)估每個(gè)推理步驟的價(jià)值，從而優(yōu)化整體的解題策略。

在驗(yàn)證環(huán)節(jié)，研究團(tuán)隊(duì)采用了一個(gè)創(chuàng)新的"貝葉斯共軛獎(jiǎng)勵(lì)"機(jī)制來(lái)處理過(guò)程驗(yàn)證中的不確定性。這聽(tīng)起來(lái)很復(fù)雜，但其實(shí)原理很簡(jiǎn)單。當(dāng)判斷一個(gè)推理步驟是否正確時(shí)，驗(yàn)證器可能會(huì)出錯(cuò)。為了減少這種誤判的影響，系統(tǒng)會(huì)進(jìn)行多次獨(dú)立驗(yàn)證，然后根據(jù)統(tǒng)計(jì)學(xué)原理計(jì)算一個(gè)"可信度分?jǐn)?shù)"。這就像是請(qǐng)多個(gè)老師來(lái)判作業(yè)，然后綜合他們的意見(jiàn)得出最終評(píng)價(jià)，這樣比單個(gè)判斷更加可靠。

研究團(tuán)隊(duì)在多個(gè)權(quán)威數(shù)學(xué)競(jìng)賽數(shù)據(jù)集上測(cè)試了Intern-S1-MO的性能，結(jié)果令人印象深刻。在美國(guó)數(shù)學(xué)邀請(qǐng)賽（AIME2025）中，系統(tǒng)達(dá)到了96.6%的通過(guò)率，在哈佛-麻省理工數(shù)學(xué)競(jìng)賽（HMMT2025）中獲得了95%的分?jǐn)?shù)，在中國(guó)數(shù)學(xué)奧林匹克初賽（CNMO2025）中得到232.4分（滿(mǎn)分260分）。這些成績(jī)不僅超越了當(dāng)前最先進(jìn)的AI模型，在某些測(cè)試中甚至超過(guò)了人類(lèi)專(zhuān)家的平均水平。

更值得一提的是，為了驗(yàn)證系統(tǒng)在真實(shí)環(huán)境下的表現(xiàn)，研究團(tuán)隊(duì)讓Intern-S1-MO正式參加了中國(guó)數(shù)學(xué)奧林匹克2025年的比賽，完全按照人類(lèi)選手的標(biāo)準(zhǔn)進(jìn)行評(píng)判。最終，系統(tǒng)獲得了102分（滿(mǎn)分126分），遠(yuǎn)超金牌門(mén)檻，證明了其在實(shí)際應(yīng)用中的可靠性。

這項(xiàng)研究的技術(shù)創(chuàng)新主要體現(xiàn)在三個(gè)方面。首先是多輪分層推理的架構(gòu)設(shè)計(jì)，通過(guò)引理庫(kù)的維護(hù)實(shí)現(xiàn)了對(duì)傳統(tǒng)模型上下文限制的突破。這就像是給AI配備了一個(gè)可擴(kuò)展的"外部大腦"，能夠存儲(chǔ)和調(diào)用任意數(shù)量的中間推理結(jié)果。其次是OREAL-H強(qiáng)化學(xué)習(xí)框架，它能夠同時(shí)優(yōu)化推理能力和整體系統(tǒng)性能，實(shí)現(xiàn)了更加精準(zhǔn)的過(guò)程監(jiān)督。最后是創(chuàng)新的驗(yàn)證機(jī)制，通過(guò)多智能體協(xié)作和貝葉斯統(tǒng)計(jì)方法，大大提高了推理過(guò)程的可靠性。

從實(shí)驗(yàn)結(jié)果的詳細(xì)分析來(lái)看，系統(tǒng)的優(yōu)勢(shì)在復(fù)雜度較高的題目中表現(xiàn)得更加明顯。在相對(duì)標(biāo)準(zhǔn)的競(jìng)賽題目中，Intern-S1-MO與現(xiàn)有先進(jìn)模型的差距較小，但在需要構(gòu)建新穎證明路徑和綜合輔助引理的高難度題目中，它展現(xiàn)出了明顯的優(yōu)勢(shì)。這正是因?yàn)樗軌蚓S持跨輪次的邏輯狀態(tài)，有效模擬了人類(lèi)專(zhuān)家使用"草稿紙"進(jìn)行復(fù)雜推理的過(guò)程。

研究團(tuán)隊(duì)還進(jìn)行了細(xì)致的消融實(shí)驗(yàn)，逐步驗(yàn)證了系統(tǒng)各個(gè)組件的貢獻(xiàn)。結(jié)果顯示，從單輪推理到多輪推理的改進(jìn)帶來(lái)了顯著提升，引理驗(yàn)證機(jī)制進(jìn)一步提高了可靠性，而過(guò)程驗(yàn)證和OREAL-H訓(xùn)練框架則在此基礎(chǔ)上實(shí)現(xiàn)了更大的性能飛躍。這些發(fā)現(xiàn)為未來(lái)的系統(tǒng)優(yōu)化提供了明確的方向。

當(dāng)然，這個(gè)系統(tǒng)也有其局限性。研究團(tuán)隊(duì)坦誠(chéng)地指出，在某些需要高度創(chuàng)造性洞察或"靈感閃現(xiàn)"的題目上，Intern-S1-MO仍然存在困難。這些題目往往需要一些非系統(tǒng)化的思維跳躍，這正是當(dāng)前AI技術(shù)的邊界所在。此外，系統(tǒng)的計(jì)算成本相對(duì)較高，需要大量的并行搜索和驗(yàn)證過(guò)程，這在實(shí)際應(yīng)用中可能成為一個(gè)制約因素。

這項(xiàng)研究的意義遠(yuǎn)超數(shù)學(xué)競(jìng)賽本身。它展示了AI在復(fù)雜推理任務(wù)中的巨大潛力，為構(gòu)建能夠進(jìn)行深度思考的智能系統(tǒng)提供了新的技術(shù)路徑。在教育領(lǐng)域，這樣的系統(tǒng)可以作為高水平的數(shù)學(xué)教學(xué)助手，幫助學(xué)生理解復(fù)雜的數(shù)學(xué)概念和證明過(guò)程。在科學(xué)研究中，它可能協(xié)助研究人員處理那些需要大量邏輯推理的理論問(wèn)題。

更重要的是，這項(xiàng)工作為AI的認(rèn)知能力發(fā)展開(kāi)辟了新的方向。通過(guò)多智能體協(xié)作和分層記憶管理，研究團(tuán)隊(duì)證明了AI不必局限于單一模型的上下文限制，而可以通過(guò)系統(tǒng)級(jí)的架構(gòu)創(chuàng)新來(lái)實(shí)現(xiàn)更強(qiáng)大的認(rèn)知能力。這種思路對(duì)于構(gòu)建真正能夠進(jìn)行深度思考和長(zhǎng)期規(guī)劃的AI系統(tǒng)具有重要的啟發(fā)意義。

歸根結(jié)底，Intern-S1-MO的成功證明了一個(gè)重要觀點(diǎn)：AI的智能水平不僅取決于單個(gè)模型的能力，更在于如何巧妙地組織和協(xié)調(diào)這些能力。就像一個(gè)優(yōu)秀的交響樂(lè)團(tuán)，每個(gè)樂(lè)手的技藝固然重要，但真正動(dòng)人的音樂(lè)來(lái)自于精心編排的協(xié)作。在這個(gè)案例中，推理者、總結(jié)者和驗(yàn)證者的完美配合，創(chuàng)造出了超越單個(gè)組件能力總和的集體智慧。

這項(xiàng)研究也為我們思考AI的未來(lái)發(fā)展提供了新的視角。與其一味追求更大、更強(qiáng)的單一模型，或許我們更應(yīng)該關(guān)注如何設(shè)計(jì)更加智能的系統(tǒng)架構(gòu)，讓AI能夠像人類(lèi)一樣進(jìn)行分步驟、多層次的深度思考。畢竟，人類(lèi)的認(rèn)知優(yōu)勢(shì)往往不在于處理信息的速度，而在于能夠靈活地組織思維過(guò)程，在復(fù)雜問(wèn)題面前保持條理清晰的推理能力。

對(duì)于關(guān)注AI技術(shù)發(fā)展的普通讀者來(lái)說(shuō)，這項(xiàng)研究傳達(dá)了一個(gè)重要信息：我們正在逐步接近能夠在復(fù)雜認(rèn)知任務(wù)中與人類(lèi)專(zhuān)家相媲美的AI系統(tǒng)。雖然目前這些技術(shù)主要還停留在研究階段，但它們展現(xiàn)出的潛力預(yù)示著未來(lái)AI在教育、科研、工程設(shè)計(jì)等需要深度推理的領(lǐng)域?qū)l(fā)揮越來(lái)越重要的作用。同時(shí)，這也提醒我們需要思考如何在AI能力快速提升的時(shí)代，重新定義人類(lèi)的獨(dú)特價(jià)值和AI的合理邊界。

Q&A

Q1：Intern-S1-MO是什么？

A：Intern-S1-MO是由上海人工智能實(shí)驗(yàn)室開(kāi)發(fā)的數(shù)學(xué)推理智能體，它采用多智能體協(xié)作系統(tǒng)，包含推理者、總結(jié)者和驗(yàn)證者三個(gè)角色，能夠解決國(guó)際數(shù)學(xué)奧林匹克級(jí)別的超高難度數(shù)學(xué)題。

Q2：這個(gè)AI系統(tǒng)為什么能突破傳統(tǒng)模型的限制？

A：傳統(tǒng)AI模型受限于上下文長(zhǎng)度，就像只有一頁(yè)紙的答題本。Intern-S1-MO通過(guò)引理庫(kù)機(jī)制將復(fù)雜推理過(guò)程中的有價(jià)值信息壓縮成簡(jiǎn)潔結(jié)論并存儲(chǔ)，相當(dāng)于給AI配備了可擴(kuò)展的"外部大腦"。

Q3：OREAL-H強(qiáng)化學(xué)習(xí)框架有什么特別之處？

A：OREAL-H不僅關(guān)注最終答案對(duì)錯(cuò)，還會(huì)分析整個(gè)解題過(guò)程，通過(guò)引理依賴(lài)圖識(shí)別有價(jià)值的推理步驟，并采用貝葉斯共軛獎(jiǎng)勵(lì)機(jī)制處理驗(yàn)證中的不確定性，讓系統(tǒng)從解題經(jīng)驗(yàn)中持續(xù)學(xué)習(xí)改進(jìn)。