2024年初，谷歌DeepMind团队开发出神经符号系统AlphaGeometry，虽然在解题能力上取得了重要进 展，但其主要依赖于大规模离线合成数据和庞大的计算资源。与之相比，我国自主研发的"通矩模型"不 仅是一个能解题的"优等生"，更是一位能从无到有、创造出具备数学审美价值的题目的"金牌教练"。 据介绍，"通矩模型"系统的技术核心在于神经符号引导树搜索架构。与传统大模型的"暴力搜索"不同， 团队将复杂的几何世界抽象地建模为有限树上的马尔可夫过程(即依据系统当前的状态推断系统下一个 最大可能性的状态)，使几何图形的构建变成一个有序的随机演化过程，从而避免了无效的重复尝试。 为了解决几何证明中困扰学界已久的"路径爆炸"难题，团队创新性地引入了"规范化表示"技术，能够自 动识别、合并对称或同构的拓扑结构，将庞杂的搜索空间压缩几个数量级。在AI寻找解题"灵感"的过程 中，系统还通过价值函数来模拟人类的数学审美。 相比DeepMind开发的AlphaGeometry需要依赖庞大的算力集群进行训练和推理，"通矩模型"仅需一张普 通的国产消费级显卡，即可在最多38分钟内解决近25年来所有的国际数学奥林匹克竞赛的几何难题 ...