Axiom CEO：非正式推理是 AI 瓶颈
来自 Latent Space · 期号 2026-06-04
摘要
2025 年，成立七个月的初创公司 Axiom 在普特南数学竞赛中答对全部 12 题（限时内 8/12），超过顶尖本科生（110/120）和此前最好的 AI 系统（DeepSeek 103/120）。 Axiom CEO Carina Hong 认为，编程能力是通往 AGI 的必要但不充分条件。真正的瓶颈在于“非正式推理”——AI 擅长用统计信号（如 GRPO）进行强化学习，但无法像数学家那样写出形式化证明。 她以数学家拉马努金为例：当他被说服用形式化证明替代直觉时，不仅提升了自己的能力，也让其他人能理解并复用他的成果。这就是“验证”的价值——它让智能可以规模化（更多人使用）和复利化（后人能在此基础上构建）。 Axiom 在 Verina 基准上达到 99%（187/189）的 ProofGen 得分，而 OpenAI o3 仅为 4.9%。Carina 认为，前沿实验室目前仍未直接训练模型生成 Lean 证明，而是依赖非正式推理，这个差距可能会成为瓶颈。
深读
导读 原文信息有限，以下基于节目简介。这期播客邀请成立仅七个月的初创公司 Axiom 的 CEO Carina Hong，讨论其 AI 系统在普特南数学竞赛中超越人类顶尖本科生和此前最佳 AI 的成绩。核心论点是：编程能力是通往 AGI 的必要但不充分条件，真正的瓶颈在于“非正式推理”，而形式化验证（如 Lean 证明）是让智能实现规模化和复利化的关键。值得关注的是 Axiom 在 Verina 基准上 99% 的 ProofGen 得分，与 OpenAI o3 的 4.9% 形成鲜明对比。 关键信息 - Axiom 在普特南数学竞赛中答对全部 12 题（限时内 8/12），超过顶尖本科生（110/120）和此前最好的 AI 系统 DeepSeek（103/120）。 - Axiom 在 Verina 基准上达到 99%（187/189）的 ProofGen 得分，而 OpenAI o3 仅为 4.9%。 - Carina Hong 认为，前沿实验室目前仍未直接训练模型生成 Lean 证明，而是依赖非正式证明。 - 形式化验证在强化学习中提供比统计信号（如 GRPO）更强的奖励信号，类似于编译和测试代码。 逐节讲解 普特南成绩与 AI 的数学瓶颈 Axiom 在 2025 年成立仅七个月时，其 AI 系统在普特南数学竞赛中答对所有 12 题（限时内完成 8/12）。普特南竞赛以难度著称，中位数得分通常为 0 或 1 分。这一成绩超过了顶尖本科生（110/120）和此前报告结果的最佳 AI 系统 DeepSeek（103/120），但节目简介也指出，尚不清楚人类和其他系统在有更多时间的情况下会得多少分。Carina Hong 认为，编程能力是通往 AGI 的必要但不充分条件，真正的瓶颈在于“非正式推理”——AI 擅长用统计信号（如 GRPO）进行强化学习，但无法像数学家那样写出形式化证明。 非正式瓶颈与拉马努金类比 Carina 用数学家拉马努金的故事来阐述“验证”的价值。当 G.H. Hardy 说服拉马努金用形式化证明替代直觉时，这不仅提升了拉马努金自身的能力（因为形式化迫使他阐明细节，开启新的思考路径），也让其他人能够理解并复用他的成果。这就是“复利化”（后人能在此基础上构建）和“规模化”（更多人能使用结果）的双重价值。 验证生成：训练与推理 “形式化验证”通常指使用类型检查器（如 TypeScript、C++ 或 Rust 的类型系统，但能力更强）来验证用 Lean 等语言精心编写的数学证明。在强化学习中，使用 Lean 验证器来确认证明是否正确，比依赖基于统计的奖励信号（如 GRPO、RLHF）要强得多，类似于编译和测试代码。但目前的 LLM 并不擅长用 Lean 进行证明。Axiom 在 Verina 基准上达到 99%（187/189）的 Pro…