技术突破 - 中国科研团队成功开发出全球首个同时具备自主出题、自动解题能力的通用人工智能系统“通矩模型”[1] - 该系统在性能上达到国际顶尖水平，在功能多样性和效率方面实现飞跃[1] - 系统的技术核心在于神经符号引导树搜索架构，将几何世界建模为有限树上的马尔可夫过程，使图形构建变成有序的随机演化过程，避免了无效的重复尝试[1] - 团队创新性地引入“规范化表示”技术，能自动识别、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[1] - 系统在寻找解题“灵感”时，通过价值函数来模拟人类的数学审美[1] 性能与效率 - “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[1] - 相比谷歌DeepMind的AlphaGeometry需要依赖庞大的算力集群进行训练和推理，“通矩模型”在计算资源需求上显著降低[1] - 该系统遵循“小数据、大任务”的范式，证明了人工智能可以不依赖“暴力计算”，而是通过理解逻辑底层的对称性与美感实现自主科学发现[1] 解决的问题与优势 - 系统成功应对了AI在平面几何领域长期面临的两大挑战：“组合爆炸”（搜索空间呈指数级增长）和“高质量数据匮乏”[1] - 与主要依赖大规模离线合成数据和庞大计算资源的AlphaGeometry相比，“通矩模型”不仅是解题的“优等生”，更是能从无到有创造出具备数学审美价值题目的“金牌教练”[1] - 该成果标志着我国在自动化推理和具身智能的逻辑核心领域实现关键技术自研自控[1] 应用与影响 - 由该系统自主生成的**3道**几何新题已正式入选**2024年**全国中学生数学联赛（北京赛区）及美国精英奥赛，这是AI原创题目首次进入高规格人类数学竞赛[1] - 相关成果近日发表于国际学术期刊《自然·机器智能》[1] - 该成果由北京通用人工智能研究院主导，集结了北京大学多个相关院系的科研力量，体现了我国在通用人工智能基础研究领域“学—研—产”深度融合的正向研发优势[1] 行业意义 - 在人工智能领域，奥林匹克数学竞赛一直被视为衡量机器逻辑思维与空间想象力的重要标准[1] - 平面几何问题因其独特的数值精度与空间直觉的结合，被认为是自动化推理的关键环节[1] - 这一突破标志着我国在相关领域达到国际顶尖水平[1] - 未来，团队将继续沿“小数据，大任务”的研究范式拓展通用人工智能模型，推动中国人工智能实现新突破[1]

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 ...

目前，TongGeometry的原创能力已得到专业学术界和竞赛圈的认可。系统自主生成的3道几何新题，已 正式入选2024年全国中学生数学联赛（北京赛区）及美国精英奥赛（Ersatz Math Olympiad），这是AI 原创题目首次进入高规格人类数学竞赛。 这一成果标志着中国科研团队在自动化推理的逻辑核心领域实现关键技术自研，并在性能与功能多样性 上全面超越了以DeepMind为代表的国际顶尖水平。 我国科研团队开发出全球首个同时具备自主出题（Proposing）和自动解题（Solving）双重能力的通用 人工智能系统——"通矩模型"（TongGeometry）。相关成果26日发表于《自然·机器智能》。 2024年初，DeepMind开发的AlphaGeometry展示了AI在解题方面的巨大潜力。然而，AlphaGeometry本 质上是一个"被动解题者"，其训练极度依赖于大规模的合成数据和昂贵的计算资源。与之相比，我国科 研团队自主研发的TongGeometry则展现出了更高维度的智能：它不仅是一个能够满分交卷的"优等生"， 更是一位能够创造优美、新颖题目的"出题名师"。 论文第一作者、北京通用人工智能研 ...

在性能表现上，TongGeometry展现了极高的国产原创技术优越性。相比AlphaGeometry需要庞大的算力 集群，TongGeometry仅需单张消费级显卡（如RTX 4090）即可在最多38分钟内，解决近25年所有的奥 数几何难题，其推理效率和准确率均达到世界顶尖水平。此外，该系统通过创新的"规范化表示"技术， 将搜索空间压缩了几个数量级，有效解决了传统方法中的路径爆炸问题。 论文共同通讯作者、北京大学心理与认知科学学院助理教授朱毅鑫表示，TongGeometry的意义不仅在 于解题速度的提升，更在于它通过模拟人类数学家的直觉和审美，实现了"小数据、大任务"的范式转 化。这种不依赖海量标注数据、通过内部逻辑自我演化的路径，正是通用人工智能（AGI）发展的关 键。"我们的系统不仅能与国际最先进的AI系统对标，更在理解逻辑底层美学和自主发现科学规律方面 走在了前列。"他说。 来源：科技日报 科技日报记者 杨雪 我国科研团队开发出全球首个同时具备自主出题（Proposing）和自动解题（Solving）双重能力的通用 人工智能系统——"通矩模型"（TongGeometry）。相关成果"基于引导树搜索的奥数 ...

新华社北京1月26日电（记者魏梦佳）中国科研团队近日自主研发出的一款"通矩模型"，该成果26日晚 在线发表于国际权威学术期刊《自然-机器智能》。相关专家表示，这是国际首个同时具备自主出题和 自动解题双重能力的通用人工智能系统，标志着中国科研团队在自动化推理的逻辑核心领域实现关键技 术自研，并在性能与功能多样性上达到国际领先水平。 据了解，长期以来，AI在逻辑推理领域面临着两大核心挑战：一是"组合爆炸"，即几何推理往往需要寻 找并添加精妙的辅助线，每增加一个点或圆，搜索空间（即探索模型中所有可能的解决方案）都会呈指 数级增长；二是"高质量数据匮乏"，即现有的几何题目库规模较小，难以支持大规模模型的训练。 由北京通用人工智能研究院、北京大学心理与认知科学学院、北京大学智能学院、北京大学人工智能研 究院以及北京大学武汉人工智能研究院组成的联合科研团队，通过开发一套精密的逻辑推理搜索架构， 将复杂的几何世界抽象建模，使AI系统能像人类数学家一样，在逻辑推理每个节点上都能进行有序地 系统性探索，避免了无效的重复尝试。 据悉，团队创新性地引入了"规范化表示"技术。这套机制赋予了AI一种"识破伪装"的能力：在复杂的几 何空 ...