从 IMO 说起:译成 Lean 能机器核但慢,自然语言快但要人核
2024 年 AlphaProof 拿到 IMO 银牌水平,但题目要先由专家译成 Lean、有的题算了两三天;2025 年 Gemini Deep Think 用自然语言在 4.5 小时内拿到金牌水平,核对靠人阅卷。
完整推理
收尾回到数学。2024 年七月,DeepMind 的 AlphaProof 在国际数学奥林匹克上拿到银牌水平,28 分;但题目要先由专家译成 Lean,有的题算了两三天,好处是每一步都被 Lean 核过。这和“测试”那一站是一个路数:要让机器能核,先得把题写成机器能跑的样子,那时是手写测试,这里是手译成 Lean;谁来写这一份,谁就在定义“对”。一年后,Gemini Deep Think 直接用自然语言做题,4.5 小时内答完,官方阅卷 35 分,金牌水平;这一回,核对靠人阅卷。
你更信哪一个?一个快,要人一题题地核;一个慢,机器能核到最后一步。可要是证明长到几百万行,人还核得过来吗?
Google DeepMind 博客(2025-07-21):2024 年 AlphaProof 与 AlphaGeometry 2 达到银牌水平(28 分),需要专家先把题目译成 Lean 等形式语言,计算用了两三天;2025 年 Gemini Deep Think 端到端用自然语言,在比赛的 4.5 小时内完成,IMO 官方评分 35/42,金牌水平。另据报道,OpenAI 的实验模型也称 35/42,为非官方评分(二手来源)。Lean 是一种证明助手:人或 AI 写下陈述和证明,Lean 的内核逐步检查每一步推理是否合法。
常见误区
“自然语言证明不可信”:人阅卷是严格的检查,只是慢、贵、规模有限。
出处
出处:Google DeepMind 博客 2025-07-21。
备课稿(上屏与口述)
这一页为什么在这里
上屏
- 第 1 步:站牌(收尾亮;甲乙丙全亮)。两栏:2024-07|AlphaProof(与 AlphaGeometry 2):IMO 银牌水平,28 分;题目先由专家译成 Lean,有的题算了两三天;每一步都被 Lean 核过。2025-07|Gemini Deep Think:全程自然语言,4.5 小时内,官方阅卷 35/42,金牌水平;核对靠人。
- 第 2 步:题面:你更信哪一个?各自的代价是什么?一行:证明长到几百万行,人还核得过来吗?
讲
第 1 步 · 教师可说的话
第 1 步
收尾回到数学。2024 年七月,DeepMind 的 AlphaProof 在国际数学奥林匹克上拿到银牌水平,28 分;但题目要先由专家译成 Lean,有的题算了两三天,好处是每一步都被 Lean 核过。这和“测试”那一站是一个路数:要让机器能核,先得把题写成机器能跑的样子,那时是手写测试,这里是手译成 Lean;谁来写这一份,谁就在定义“对”。一年后,Gemini Deep Think 直接用自然语言做题,4.5 小时内答完,官方阅卷 35 分,金牌水平;这一回,核对靠人阅卷。
第 2 步 · 教师可说的话
第 2 步
你更信哪一个?一个快,要人一题题地核;一个慢,机器能核到最后一步。可要是证明长到几百万行,人还核得过来吗?
本页衔接
线索甲:Lean 的逐步检查。
教学构造
教学构造:分镜标注为“重|置身、抉择”。