Gemini 2.5 Pro 劍指 IMO 金牌：AI 如何攻克世界最難數學競賽？

AI 真的能像人類頂尖數學家一樣思考嗎？最近，一篇由加州大學洛杉磯分校 (UCLA) 研究員發表的論文震驚了學術界。他們利用 Google 公開的 Gemini 2.5 Pro 模型，成功解決了 2025 年國際數學奧林匹亞 (IMO) 競賽中的 6 道題目中的 5 道，這項成就足以摘下金牌。本文將帶您深入了解，AI 是如何透過創新的「自我驗證」流程，一步步攻克這些需要驚人創造力與洞察力的數學難題。

當 AI 挑戰數學界的聖母峰

你聽過國際數學奧林匹亞 (International Mathematical Olympiad, IMO) 嗎？

這麼說吧，如果說學校的數學考試是爬山，那 IMO 就是挑戰攀登聖母峰。自 1959 年以來，IMO 每年都會聚集全世界最頂尖的高中數學天才，用極度困難的題目來考驗他們的代數、幾何、數論和組合學能力。這些題目不僅僅是計算，更需要深刻的洞察力、原創的思維和嚴謹的邏輯推理。

老實說，IMO 的題目，即使是對於專業的數學家來說，也常常感到棘手。這也讓 IMO 成了一個絕佳的試煉場，用來檢驗人工智慧 (AI)，特別是大型語言模型 (LLM)，是否真正具備了高階的推理能力，而不只是死記硬背。

過去，像是 GPT-4 或其他頂尖模型在標準的數學題庫（如 GSM8K 或 MATH）上表現優異，但一碰到 IMO 等級的難題，就常常顯得力不從心。它們可能會產生看似正確但邏輯上充滿漏洞的證明，或是缺乏解決問題所需的「靈光一閃」。

然而，這一切可能即將改變。

Gemini 2.5 Pro 的驚人突破：不只是答對，更是「證明」

就在最近，來自加州大學洛杉磯分校 (UCLA) 的兩位獨立研究員黃溢辰 (Yichen Huang) 和楊林 (Lin F. Yang) 發表了一篇論文，展示了他們如何運用 Google 公開的 Gemini 2.5 Pro 模型，在 2025 年的 IMO 模擬賽中取得了足以獲得金牌的成績。

他們的方法之所以引人注目，並非只是讓 AI 碰運氣猜答案，而是建立了一套精巧的「自我驗證流程 (self-verification pipeline)」。這個流程模擬了人類數學家解決問題時的思考與修正過程，讓 AI 不斷地自我挑戰、找出錯誤，最終產生嚴謹的數學證明。

這個「自我驗證流程」到底是什麼？

想像一位數學家在解題，他不會寫完答案就直接交卷。他會反覆檢查自己的每一步推論，尋找可能的邏輯漏洞，甚至嘗試用不同的方法來驗證答案。

研究人員設計的流程，正是讓 Gemini 2.5 Pro 扮演了兩個角色：一個是「解題者」，另一個則是「驗證者」。

這個流程大致如下：

1. 初步解題 (Initial Solution Generation): 首先，讓 Gemini 2.5 Pro（解題者）嘗試給出一個初步的解法。這個階段的目標是產生想法，即使不完美也沒關係。
2. 自我改進 (Self-Improvement): 接著，模型會對自己的初步解法進行反思和改進。這一步驟相當於給予模型更多的「思考時間」，讓它優化自己的思路。
3. 嚴格驗證 (Verification): 接著，另一個 Gemini 2.5 Pro（驗證者）上場。它的任務就像一個嚴格的 IMO 評審，逐行檢查解題者的證明，找出「嚴重錯誤 (Critical Errors)」或「論證不足 (Justification Gaps)」。
4. 修正與迭代 (Correction & Iteration): 「解題者」會根據「驗證者」提出的錯誤報告進行修正。這個過程會不斷重複，直到證明變得無懈可擊。
5. 接受或拒絕 (Accept or Reject): 如果一個解法能夠連續多次通過嚴格的驗證，系統才會最終接受它。

有趣的是，研究人員發現，即便是像 Gemini 2.5 Pro 這樣強大的模型，如果直接讓它解題，品質也相當參差不齊。但透過這個「左右互搏」的迭代過程，解法的品質得到了顯著的提升。

為何這次的成果如此重要？

你可能會問，AI 會解數學題，這有什麼大不了的？

這次的突破意義非凡，原因有幾個：

• 避免數據污染： AI 領域一個長期的挑戰是「數據污染」，也就是測試的題目可能已經出現在模型的訓練資料中，導致評估結果虛高。這次研究使用的是剛發布不久的 IMO 2025 題目，確保了 Gemini 2.5 Pro 是在面對「全新」的挑戰，展現的是真正的推理能力。
• 強調嚴謹證明： 與以往追求答案正確率不同，這個研究的核心在於產生嚴謹、可驗證的數學證明。這更接近科學發現與工程應用的真實需求。
• 方法的通用性： 雖然研究人員在某些題目中給了模型一些大方向的提示（例如「試試數學歸納法」或「試試解析幾何」），但他們認為這些提示就像是分配任務給不同的專家小組，整個解題的核心能力仍然來自 Gemini 2.5 Pro 本身。這套方法論，未來可能被應用於更廣泛的複雜推理任務。

在論文發布後不久，OpenAI 和 Google DeepMind 也相繼宣布他們在 IMO 競賽中取得了類似的成就，這預示著 AI 在高階數學推理領域正迎來一個黃金時代。

Gemini 2.5 Pro 解了哪些難題？

該研究團隊利用這套方法，成功解決了 IMO 2025 模擬賽的第 1 至第 5 題。這些題目涵蓋了組合學、幾何學、數論等不同領域。

例如，在**第一題（組合學）中，他們透過引導模型使用數學歸納法，成功找到了所有可能的解。而在第二題（幾何學）**中，他們讓模型採用解析幾何的方法，透過大量的代數運算，最終證明了結論。研究人員提到，大型語言模型其實相當擅長進行直接的計算，這使得解析幾何成為 AI 攻克幾何難題的一大利器。

對於第三題，團隊透過多次取樣和迭代改進，最終也得到了一個嚴謹的解法。

常見問題解答 (FAQ)

問：這是否意味著 AI 未來可以取代數學家？

答：目前看來，還差得遠呢。這次的成功更像是一種「人機協作」的勝利。研究人員設計了精巧的提示和驗證流程，引導 AI 發揮其強大的計算和模式識別能力。AI 目前的角色更像一個超級聰明的助手，而不是一個能獨立進行創造性思考的數學家。但它無疑為數學研究提供了前所未有的強大工具。

問：Gemini 2.5 Pro 是如何被訓練來解決這些問題的？

答：這篇論文使用的 Gemini 2.5 Pro 是 Google 公開發布的通用模型，並非專為數學競賽進行過特殊訓練。其驚人表現主要歸功於研究人員設計的「自我驗證」流程，有效地釋放了通用模型在複雜推理任務上的潛力。

問：這項技術對普通人有什麼影響？

答：雖然攻克 IMO 聽起來很遙遠，但背後的技術突破意義深遠。這代表 AI 在處理需要嚴謹邏輯和多步驟推理的複雜問題上，能力又上了一個新台階。未來，這項技術可以用於藥物研發、材料科學、軟體工程驗證等需要高度可靠性的領域，幫助人類解決更多現實世界中的難題。

相關連結：

• 原始論文 “Gemini 2.5 Pro Capable of Winning Gold at IMO 2025”
• 國際數學奧林匹亞官方網站