![AlphaGeometry：一款具有奥林匹克水平的几何 AI 系统 [译]](https://baoyu.io/images/google/alphageometry-an-olympiad-level-ai-system-for-geometry/poster.webp)
AlphaGeometry：一款具有奥林匹克水平的几何 AI 系统 [译]
内容提要
我们的AI系统AlphaGeometry在几何问题解决方面取得了重大突破，能够解决复杂几何问题，接近人类奥林匹克金牌选手的水平。通过结合神经语言模型和基于规则的演绎引擎，AlphaGeometry能够有效地找到解决方案。我们开发了一种生成大量合成训练数据的方法，克服了数据瓶颈问题。AlphaGeometry的成功展示了AI在数学推理领域的进步，为开发具有深度数学推理能力的更先进和通用AI系统迈出了重要一步。我们计划开源AlphaGeometry的代码和模型，为数学、科学和AI领域带来新的可能性。
延伸解读
神经符号系统的分工与协作
AlphaGeometry 将语言模型与符号演绎引擎结合，形成“快思考”与“慢思考”的互补。语言模型擅长快速识别模式，预测解题所需添加的几何元素；符号引擎则基于规则进行严谨推理。这种分工让系统既能灵活提出猜想，又能保证每一步推导可验证，从而在复杂几何问题上取得突破。
合成数据如何突破训练瓶颈
几何证明缺乏大规模人类示范数据，AlphaGeometry 通过生成十亿个随机几何图形并反向追溯证明所需元素，最终筛选出 1 亿个训练样本。其中约 900 万个包含新增几何元素，使语言模型学会在奥赛题中推荐关键辅助线。这种合成数据方法减少了对人工标注的依赖，为其他数学领域提供了可借鉴的思路。
成绩亮眼但适用范围有限
在 30 道 IMO 几何题中，AlphaGeometry 解决了 25 道，接近金牌选手平均水平，远超此前最佳系统的 10 道。但需注意，IMO 每届通常只有两道几何题，该系统目前仅能处理约三分之一的问题。其表现相当于铜牌水平，距离通用数学推理仍有差距，长期目标是在不同数学领域泛化。
可验证输出提升实用价值
AlphaGeometry 的解答经过计算机验证，结构清晰且易于人类理解。数学教练 Evan Chen 评价其像学生一样使用经典几何规则，而非暴力代数计算。这种可验证性解决了以往 AI 证明“答案正确但需人工复核”的痛点，为 AI 在数学研究中的可信应用提供了基础，也便于教育场景中的解释与学习。
Q&A
AlphaGeometry在几何问题上的表现如何？
AlphaGeometry在30个奥林匹克几何问题的基准测试中解决了25个问题，接近人类金牌选手的平均水平（25.9个），远超之前最先进系统（仅解决10个）。
AlphaGeometry是如何工作的？
AlphaGeometry结合了神经语言模型和符号演绎引擎，形成神经符号系统。语言模型快速预测有用的几何元素，符号引擎进行严谨推理，两者协同寻找证明。
AlphaGeometry如何解决训练数据不足的问题？
通过生成大规模合成数据：初始生成十亿个随机几何图形，分析所有证明并反向追溯所需添加的几何元素，最终筛选出1亿个独特训练样本，无需人类示范。
AlphaGeometry的解答是否可靠且易于理解？
是的，所有解答都经过计算机验证，输出结构清晰，易于人类理解。数学教练Evan Chen评价其解答可被机器验证且像学生一样使用经典几何规则。
AlphaGeometry有哪些局限性？
目前仅能处理几何问题，而国际数学奥林匹克中几何题只占三分之一，因此应用范围有限。
AlphaGeometry的未来计划是什么？
计划开源代码和模型，长期目标是开发能在不同数学领域泛化应用的AI系统，推动逻辑推理能力，拓展人类知识边界。
