谷歌DeepMind的AlphaProof模型公开了技术细节，团队由10人组成，训练了8000万道数学题。该模型将数学证明视为游戏，利用强化学习和变体生成技术，在2024年国际数学奥林匹克中成功解决多道难题并获得金牌。尽管表现优异，但在处理新定义时仍面临挑战。

研究表明，大语言模型在解心算题时，计算主要集中在最后一个token上，表明模型在特定任务中不需全局信息。通过消融实验，揭示了模型内部的稀疏子图结构，强调了输入特定计算与通用计算的分离。

阿里推出了Qwen3-Max-Preview模型，参数达到1万亿，性能显著提升，支持多模态和编程，尤其在解答数学题和生成代码方面表现优异，用户反馈积极。尽管尚未开源，未来版本值得期待。

CMU研究发现，数学能力强的大模型在其他领域的表现有限。只有通过强化学习（RL）训练的模型能够有效迁移数学推理技能，而监督微调（SFT）可能导致负迁移。研究表明，微调方法是影响迁移能力的关键，RL模型在保持原有知识的同时提升了特定领域的表现。

研究表明，添加与猫相关的语句会显著提高大模型的数学错误率，错误率增加300%。DeepSeek和OpenAI的模型均受到影响，推理能力下降，Token消耗增加，猫的干扰分散了模型的注意力，导致频繁出错。

FormalMATH发布了5560道数学题的基准测试，以评估AI模型的数学推理能力。最佳模型的成功率仅为16.46%，显示出在严格逻辑推导方面的困难。研究团队提出了自动化流程以提高效率，并呼吁学术界共同推动形式化数学推理技术的发展。

数学题在信息学竞赛中至关重要，涉及几何和数论等领域。本文总结了矩形和正方形的数量计算方法，提供了相关公式和示例，并强调使用 long long 类型保存结果。

阿里推出的QVQ-Max是一款视觉推理大模型，能够分析手相、识别风景和解答数学题，支持图像和视频的深度思考，具备强大的解析和推理能力，并能生成插画和短视频脚本，用户可免费体验。

本研究提出了一种新方法生成预测集（GPS），通过结合回归算法，利用样本分布的内在结构，生成有效且小的预测集。实验结果表明，GPS在代码生成和数学题等应用中优于现有方法，显示出显著的有效性。

本研究评估了ChatGPT在解决586道韩国数学题中的表现，准确率为66.72%。研究结果为改善语言偏见和多语言培训提供了方向，可能增强其在个性化教育中的应用。

谷歌发布的Gemini 2.0 Flash Thinking模型能够快速解决复杂问题，包括摩斯密码和数学题。用户反馈其在文本和视觉谜题上表现优异，但仍存在一些小bug，未来将增加更多功能。

上海AI实验室推出的强推理模型书生InternThinker已上线，能够快速解决复杂的数学、编程和数字游戏任务，具备长时间思考和自我反思的能力，推理表现优异，提升了整体推理能力。