AWorld項(xiàng)目團(tuán)隊(duì)投稿 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

2025年的IMO，好戲不斷。

7月19日，全世界頂尖大模型在2025年的IMO賽場(chǎng)上幾乎全軍覆沒(méi)。時(shí)隔1天，OpenAI、DeepMind等頂尖實(shí)驗(yàn)室就在IMO 2025賽場(chǎng)斬獲5/6題，震驚數(shù)學(xué)圈。

有意思的是，7月23日——兩位來(lái)自Harvard和UCLA的學(xué)生，用Gemini 2.5 Pro+自研多輪驗(yàn)證框架，在arXiv扔下一篇論文，首次系統(tǒng)性拆解了「解題+驗(yàn)證」的IMO解題方法論。48小時(shí)后，他們開(kāi)源了完整代碼。

來(lái)自螞蟻的多智能體框架AWorld項(xiàng)目團(tuán)隊(duì)也加入了這場(chǎng)卷王之爭(zhēng)：

7月24日啟動(dòng)，僅僅6小時(shí)，采用AWorld智能體框架，復(fù)現(xiàn)并開(kāi)源了DeepMind的5/6道解題結(jié)果，并直接給出了可一鍵運(yùn)行的多智能體IMO系統(tǒng)。

果然，大家好奇的點(diǎn)還是跟傳統(tǒng)長(zhǎng)思維鏈LangChain等框架有什么不一樣。作者給出的回復(fù)，核心就是一個(gè)詞，自我進(jìn)化。即，多智能體能夠超越單個(gè)智能體，能夠用于復(fù)雜問(wèn)題協(xié)同，以及強(qiáng)化學(xué)習(xí)的獎(jiǎng)勵(lì)模型等，最終實(shí)現(xiàn)AGI。

IMO 2025，把復(fù)雜推理模型推向了一種新的高度（盡管還處在實(shí)驗(yàn)室階段，但DeepMind透露會(huì)對(duì)外）。

不過(guò)，能解IMO級(jí)別數(shù)學(xué)題的超級(jí)單智能體實(shí)屬稀有。AWorld的實(shí)驗(yàn)也首次用工程系統(tǒng)證明：多智能體協(xié)同的智力上限，有可能超越其依賴(lài)的單個(gè)模型。

單模的「不可能三角」：為什么必須上多智能體？

單個(gè)裸模型，包括Gemini 2.5 pro，幾乎無(wú)法一次推理答對(duì)IMO賽題：level 1的第1，第4題在小概率下一次推理能答對(duì)（背景：IMO包括六道競(jìng)賽題目，分為兩天進(jìn)行，參賽者每天需完成3道題目，因此第一題難度相對(duì)較低），但是其余4題，一定需要多智能體協(xié)同才能完成，這揭露了一個(gè)殘酷現(xiàn)實(shí)：IMO級(jí)問(wèn)題=單模的不可達(dá)之地。

AWorld的實(shí)測(cè)數(shù)據(jù)更扎心：

• 單模嘗試第3題：連續(xù)10次推理全部失敗。
• 多智能體協(xié)同：通過(guò)「解題者+驗(yàn)證者」雙角色對(duì)話(huà)，第3題在第5輪迭代就生成了完整的解答。
• “多智能體協(xié)同的智力上限，有可能超越其依賴(lài)的單個(gè)模型”的本質(zhì)是什么呢？

為此，AWorld團(tuán)隊(duì)嘗試提出了幾種解釋視角：

構(gòu)建最優(yōu)輸入：從“好問(wèn)題”到“完美上下文”

多智能體協(xié)同的核心優(yōu)勢(shì)在于它能動(dòng)態(tài)地構(gòu)造出一個(gè)遠(yuǎn)超初始提問(wèn)的、高質(zhì)量的輸入信息。

基本原理(y = f(x))：我們可以將大模型視為一個(gè)固定的函數(shù)f，其輸出y的質(zhì)量完全取決于輸入x的質(zhì)量。

初始輸入的局限：對(duì)于如IMO競(jìng)賽題這類(lèi)復(fù)雜任務(wù)，最初的提問(wèn)(x_0)信息稀疏，缺乏足夠的引導(dǎo)“腳手架”。這使得模型難以在其龐大的能力空間中，僅憑一次嘗試就找到通往正確答案的路徑。

協(xié)同的價(jià)值：多智能體系統(tǒng)并非提升模型f本身，而是設(shè)計(jì)了一個(gè)“智能流程”：通過(guò)生成和整合中間思想（如解題草稿、批判性反饋、改進(jìn)建議），共同構(gòu)建出一個(gè)信息極其豐富的“超級(jí)上下文”。這最終解鎖了模型早已具備、但通過(guò)簡(jiǎn)單提問(wèn)難以觸達(dá)的深層能力。

實(shí)現(xiàn)“元認(rèn)知”:為系統(tǒng)外掛一個(gè)“反思模塊”

元認(rèn)知，即“關(guān)于思考的思考”，是高級(jí)智能的核心標(biāo)志。它包括自我監(jiān)控、自我評(píng)估和自我修正的能力。單個(gè)LLM本身不具備真正的元認(rèn)知，但可以通過(guò)角色定義（Role-Play）來(lái)執(zhí)行元認(rèn)知功能。

它不解決問(wèn)題，而是評(píng)估解決方案的合理性、尋找邏輯漏洞、提出改進(jìn)建議，從而避免了單模型容易陷入的思維定式和錯(cuò)誤。

通過(guò)交互降低“信息熵”（Reducing Information Entropy）

一個(gè)復(fù)雜的IMO問(wèn)題，其解空間的不確定性（信息熵）非常高。每一次有效的多智能體交互都在為系統(tǒng)提供新的約束，從而降低這種不確定性。

例如，審閱者指出“你的第一步假設(shè)A是無(wú)證據(jù)的”，這個(gè)反饋極大地減少了后續(xù)需要探索的可能性，使計(jì)算資源能更集中地探索更有希望的路徑，從而顯著提升了求解的效率和準(zhǔn)確性。

綜上，多智能體協(xié)同的優(yōu)越性源于其智能化的流程，而非個(gè)體能力的提升。該流程通過(guò)協(xié)作分解與迭代修正，能有效解鎖基礎(chǔ)模型的深層潛力，最終涌現(xiàn)出超越個(gè)體能力之和的系統(tǒng)級(jí)智能。

AWorld的「六小時(shí)魔法」：把論文變成可運(yùn)行系統(tǒng)

面對(duì)地獄級(jí)難度的IMO，相比模型頂流拿下成績(jī)秀肌肉，能夠復(fù)現(xiàn)的解題過(guò)程可能更加有利于技術(shù)的演進(jìn)，所以我們更希望看到有一些開(kāi)源的工作。AWorld的復(fù)現(xiàn)方式，提供了一些思路：

• 核心結(jié)構(gòu)：采用了”做題家”和”驗(yàn)證者”的雙智能體對(duì)話(huà)機(jī)制，兩者均依賴(lài)于相同的基礎(chǔ)模型（如Gemini 2.5 pro）來(lái)構(gòu)建。其中，做題家負(fù)責(zé)生成數(shù)學(xué)解答，驗(yàn)證者扮演IMO考官角色進(jìn)行嚴(yán)格驗(yàn)證，兩者通過(guò)多輪對(duì)話(huà)迭代優(yōu)化解答質(zhì)量。
• 核心要素：設(shè)計(jì)了完整的對(duì)話(huà)循環(huán)機(jī)制，包括自動(dòng)檢測(cè)終止條件、最終答案、記錄完整對(duì)話(huà)歷史，以及基于驗(yàn)證者反饋的解答重構(gòu)策略，有效挖掘了基礎(chǔ)模型的潛在能力。
• 身份設(shè)定與上下文工程：做題家采用嚴(yán)格的數(shù)學(xué)證明格式要求，驗(yàn)證者則具備詳細(xì)的錯(cuò)誤分類(lèi)體系和標(biāo)準(zhǔn)化的驗(yàn)證流程，這種專(zhuān)業(yè)化的角色分工顯著提升了問(wèn)題解決的質(zhì)量和準(zhǔn)確性。

目前，AWorld在著名的GAIA Test榜單（即通過(guò)增加工具支持、更高效的提示、接入搜索等手段獲得增強(qiáng)能力的新一代大語(yǔ)言模型的基準(zhǔn)）上達(dá)到了77.08分，在所有署名的智能體中排名第三，在所有開(kāi)源工作中排名第一。

為多智能體協(xié)同而生

作為一個(gè)為構(gòu)建生產(chǎn)級(jí)、可擴(kuò)展多智能體系統(tǒng)而設(shè)計(jì)的下一代框架，AWorld核心優(yōu)勢(shì)是采用事件驅(qū)動(dòng)的群體智能架構(gòu)，徹底超越了傳統(tǒng)LangChain等框架的局限。

智能體之間通過(guò)事件總線(xiàn)進(jìn)行異步通信與協(xié)作，而非簡(jiǎn)單的順序調(diào)用。這使得復(fù)雜的實(shí)時(shí)交互成為可能。

強(qiáng)大的工具與模型生態(tài)

• 模型即插即用：通過(guò)統(tǒng)一接口，可在30秒內(nèi)輕松切換OpenAI、Gemini、Claude等任意大語(yǔ)言模型，方便對(duì)比測(cè)試與成本優(yōu)化。
• MCP協(xié)議支持：將MCP作為核心能力，允許智能體將其他模型或智能體作為工具調(diào)用，極大拓展了能力邊界。所有工具均在安全沙箱中執(zhí)行，保障企業(yè)級(jí)安全。

生產(chǎn)級(jí)的穩(wěn)健性與可觀測(cè)性

• 全鏈路可觀測(cè)性：提供覆蓋智能體決策、工具調(diào)用全過(guò)程的追蹤、指標(biāo)與日志，讓復(fù)雜的系統(tǒng)行為清晰透明，易于調(diào)試。
• 精密的上下文與內(nèi)存管理：支持長(zhǎng)短期記憶和復(fù)雜編排，確保智能體在執(zhí)行長(zhǎng)周期任務(wù)時(shí)能保持狀態(tài)、不“失憶”。

支持模型持續(xù)進(jìn)化的學(xué)習(xí)閉環(huán)

• 開(kāi)放訓(xùn)練接口：AWorld不僅是執(zhí)行框架，更是進(jìn)化平臺(tái)。它提供開(kāi)放接口，可與主流訓(xùn)練框架結(jié)合，利用智能體在真實(shí)任務(wù)中產(chǎn)生的交互數(shù)據(jù)對(duì)底層模型進(jìn)行訓(xùn)練。
• 實(shí)現(xiàn)智能體自我進(jìn)化：通過(guò)“數(shù)據(jù)-訓(xùn)練-部署”的閉環(huán)，讓智能體在特定領(lǐng)域變得越來(lái)越“聰明”，構(gòu)建真正的專(zhuān)家智能體系統(tǒng)。

如何體驗(yàn)「IMO級(jí)多智能體」？

3步運(yùn)行（詳見(jiàn)README.md）：

• 一鍵準(zhǔn)備環(huán)境

進(jìn)入項(xiàng)目目錄AWorld/examples/imo，然后直接運(yùn)行腳本./setup_env.sh。自動(dòng)創(chuàng)建獨(dú)立的Conda環(huán)境并安裝所有必需的依賴(lài)。

• 配置API密鑰

復(fù)制模板文件cp.env_template.env，然后編輯新生成的.env文件，填入你自己的大模型API密鑰(LLM_API_KEY)、模型名稱(chēng)(LLM_MODEL_NAME)和接口地址(LLM_BASE_URL)。

• 激活環(huán)境并運(yùn)行

首先激活環(huán)境，然后執(zhí)行主程序來(lái)解決指定的數(shù)學(xué)問(wèn)題，例如運(yùn)行python run.py —q imo4來(lái)解決IMO2025第4題。

寫(xiě)在最后：IMO只是開(kāi)始

AWorld的復(fù)現(xiàn)實(shí)驗(yàn)，拋出了一個(gè)激進(jìn)結(jié)論：當(dāng)前多智能體系統(tǒng)的數(shù)學(xué)能力，已超越99%人類(lèi)選手（雖然測(cè)試集有限）。

當(dāng)單模在IMO折戟時(shí)，多智能體系統(tǒng)已經(jīng)證明：AI的智能上限，可能不只在于模型有多大，更在于我們?nèi)绾谓M織它們工作。

多智能體協(xié)作，可能是一條通往更高群體智能的有效路徑。更震撼的是未來(lái)潛力：這套系統(tǒng)正在作為reward model訓(xùn)練下一代模型——用多智能體生成的「高階推理軌跡」作為訓(xùn)練數(shù)據(jù)，相當(dāng)于讓模型從IMO金牌選手的草稿紙里學(xué)習(xí)。

下一站，AWorld團(tuán)隊(duì)透露正在測(cè)試「多智能體+形式化驗(yàn)證」組合，目標(biāo)直指Lean4形式化證明。

IMO 2026，可能將是人類(lèi)最后一次有機(jī)會(huì)戰(zhàn)勝AI的數(shù)學(xué)競(jìng)賽。

Gemini 2.5 Pro+:
論文地址：https://arxiv.org/pdf/2507.15855

AWorld:
GitHub:https://github.com/inclusionAI/AWorld

一鍵三連「點(diǎn)贊」「轉(zhuǎn)發(fā)」「小心心」

歡迎在評(píng)論區(qū)留下你的想法！

一鍵三連「點(diǎn)贊」「轉(zhuǎn)發(fā)」「小心心」

歡迎在評(píng)論區(qū)留下你的想法！

—?完?—

?? 點(diǎn)亮星標(biāo) ??

科技前沿進(jìn)展每日見(jiàn)

量子位

追蹤人工智能新趨勢(shì)，關(guān)注科技行業(yè)新突破

3475篇原創(chuàng)內(nèi)容

公眾號(hào)