当前位置：首页 > news >正文

普林斯顿团队发布Goedel - Architect：低成本开源框架革新形式化定理证明

news 2026/6/7 17:55:04

1. OpenAI 推翻数学猜想

数学领域近期受到 AI 产出的冲击。2026 年 5 月 20 日，OpenAI 宣布其内部推理模型成功推翻了数学家保罗・埃尔德什于 1946 年提出的「单位距离猜想」，这是困扰离散几何领域近 80 年的核心开放问题。菲尔兹奖得主蒂莫西・高尔斯表示，如果 AI 能证明单位距离猜想，对于数学界和科学界而言是具有划时代意义的里程碑事件，若这样高质量的数学论文由人类提交给顶级学术期刊《数学年刊》，他会毫不犹豫地推荐录用。

2. 数学进入「证明过剩时代」

同月，另一位菲尔兹奖得主陶哲轩在斯坦福大学发表《新数学工作流》演讲，宣布放弃实时跟进所有新证明，因为 AI 生成证明的速度远超人类消化能力。他认为数学正从「证明稀缺时代」进入「证明过剩时代」，真正的瓶颈已从「如何生成证明」转移到「如何验证与理解证明」。AI 以人类无法跟上的速度产出数学结论，数学面临前所未有的验证危机。

3. 形式化定理证明的解法与挑战

可能的解法是让 AI 来验证 AI 的证明，这是「形式化定理证明」的核心思想。Lean 是目前最主流的形式化证明语言之一，要求每一个逻辑步骤以机器可检验的方式写出，编译通过则证明的正确性由编译器担保，不依赖任何人的判断。但让 AI 直接生成可通过 Lean 编译器检验的完整证明，技术难度远高于生成自然语言的数学推导。

4. Goedel - Architect 智能体框架发布

近日，普林斯顿大学研究团队发布新论文，提出名为 Goedel - Architect 的智能体框架，核心模型是国内开源大模型 DeepSeek - V4 - Flash。

5. Goedel - Architect 的能力表现

在形式化定理证明领域的标准测试集 PutnamBench 上，此前最具竞争力的开源 pipeline 之一 Hilbert 由谷歌 Gemini 2.5 Pro 驱动，跑完 672 道题仅 API 调用费用就花掉约 17 万美元，而 Goedel - Architect 完成同样评测花费 294 美元，两者相差约 500 倍。且 Goedel - Architect 在 PutnamBench 上的通过率（75.6%）高于 Hilbert（70.0%），新方法更便宜且效果更好。

6. 团队背景与前期成果

Goedel - Architect 名字致敬了库尔特・哥德尔，普林斯顿和哥德尔有深厚历史渊源，研究团队来自普林斯顿大学语言与智能研究中心（PLI）。PLI 创始主任 Sanjeev Arora 是计算复杂性理论领域权威学者，2011 年获得 ACM 计算奖，长期探索「AI 能否成为超人类数学家」问题。共同领导团队的陈丹琦来自普林斯顿计算机系，谷歌学术引用量逾 9 万次，本科毕业于清华大学，博士就读于斯坦福，师从 Christopher Manning，早期和 Manning 共同开发了谷歌 SyntaxNet 底层的依存句法解析算法，进入普林斯顿后聚焦语言模型相关研究。团队此前已发布两代 Goedel - Prover 用于形式化定理证明，在 MiniF2F 基准上从最初的 60% 提升至 90%，Goedel - Architect 是最新探索。

7. Goedel - Architect 的「蓝图」概念

Goedel - Architect 的关键点在于「蓝图」概念。现有许多系统采用「递归分解」方式，遇到难题拆成更小的子目标，形成树状结构，但易陷入低效循环。Goedel - Architect 在证明前先生成一张有向无环图的「蓝图」，包含通向最终定理所需的所有定义和引理及它们之间的依赖关系，是整个证明策略的全局视图。有了蓝图，系统将图中未证明的节点分发给 Lean 证明器并行处理，证明器只看到负责的引理和其声明依赖的上游结果，不受其他信息干扰。一轮并行证明后，节点有成功证明（绿色）、失败（蓝色）、反向证明（红色）三种情况。

8. 蓝图精炼机制

当引理节点无法被证明时，系统要求证明器写一份结构化的「事后分析报告」，包含对失败原因的诊断、尝试过的策略及其卡住的位置、建议的修复方案。系统设计了两类失败模式的处理路径。第一类是「命题有误」，如处理 Putnam 1989 年的题时，蓝图提出的引理被证明错误，系统记录诊断并在下一轮迭代中修改节点陈述，修正传播给依赖该引理的节点。第二类是「证明太难」，如 Putnam 1985 年的题目，证明器建议按情形分类讨论，下一轮迭代接受分解，问题得解。已成功证明的节点在迭代中保留，整个过程像逐步完成的拼图。

9. Goedel - Architect 的测试表现

团队在五个基准上测试了 Goedel - Architect。在 MiniF2F - test 测试集上，Goedel - Architect 在 pass@1 下解决了 242 道题（99.2%），与此前最强的开源系统持平，剩余两道 IMO 难题借助自然语言证明辅助后也解决，成为首个刷完 244 道题的系统。在 PutnamBench 上，pass@1 通过率为 75.6%，超过 Hilbert，借助自然语言辅助后通过率提升至 88.8%，总花费不到 1000 美元。在更新的竞赛题目上，解决了 IMO 2025 的 4/6 道题，Putnam 2025 的 11/12 道题，USAMO 2026 的 3/6 道题。

10. 自然语言辅助机制

Goedel - Architect 有可选的辅助机制，生成初始蓝图时可提供自然语言的证明思路作为结构参考，由参数更大的模型（如 Gemini 3.1 Pro）生成，只起「脚手架」作用，具体形式化实现由 Goedel - Architect 完成。对于大多数题目，辅助非必需，但对于具有「非局部结构」的难题，自然语言提供的结构指引是决定性的，团队对照实验显示，不使用辅助无一成功，加入辅助后全部解决。

11. 对比实验结论

论文的对比实验核心结论是，提升来自 pipeline 设计，而非仅更好的模型。将 Hilbert 移植到相同的 DeepSeek - V4 - Flash 骨干上运行，在 MiniF2F 上只能达到 84.4%，而 Goedel - Architect 达到 99.2%。在 PutnamBench 的 200 题子集上，工具增强的单智能体方式以相同骨干达到 54.5%，而 Goedel - Architect 达到 76.0%，且每道题消耗的 token 数更少。递归分解策略易在死胡同循环，全局蓝图策略可让系统调整策略。