Aletheia 自主解决 FirstProof 挑战
人工智能
2026-03-17 v3 计算与语言
机器学习
摘要
我们报告了 Aletheia (Feng 等，2026b) 在首个 FirstProof 挑战中性能的结果，这是由 Gemini 3 Deep Think 提供动力的数学研究代理。在挑战允许的时间框架内，Aletheia 根据多数专家评估自主解决了 6 个问题（2、5、7、8、9、10）；我们指出，专家在问题 8 上（仅）并未达成一致。为完全透明，我们解释了我们对 FirstProof 的解释，披露了实验细节以及我们的评估。原始提示和输出均可在 https://github.com/google-deepmind/superhuman/tree/main/aletheia 获取。
引用
@article{arxiv.2602.21201,
title = {Aletheia tackles FirstProof autonomously},
author = {Tony Feng and Junehyuk Jung and Sang-hyun Kim and Carlo Pagano and Sergei Gukov and Chiang-Chiang Tsai and David Woodruff and Adel Javanmard and Aryan Mokhtari and Dawsen Hwang and Yuri Chervonyi and Jonathan N. Lee and Garrett Bingham and Trieu H. Trinh and Vahab Mirrokni and Quoc V. Le and Thang Luong},
journal= {arXiv preprint arXiv:2602.21201},
year = {2026}
}
备注
41 pages. Project page: https://github.com/google-deepmind/superhuman/tree/main/aletheia