Nature公开谷歌IMO金牌模型技术细节！核心团队仅10人，一年给AI编出8000万道数学题训练

谷歌DeepMind在《Nature》发表AlphaProof完整技术方案，该30亿参数AI基于Lean构建强化学习环境，通过8万TPU天训练，结合自动形式化与测试时强化学习（TTRL），在2024年IMO中解出三道难题并获金牌水平。系统利用8000万自动生成的形式化问题进行训练，并能通过生成40万变体提升单题求解能力。尽管存在对Lean依赖和新定义适应不足等局限，其在反例发现和引理验证方面已展现科研辅助潜力，标志着AI数学推理的重要进展。
来源：https://mp.weixin.qq.com/s/0dIxgWGR8N2JuBbCzz1Uew