在國際人工智能研究領域，一項來自中國的突破性成果引發廣泛關注。由北京通用人工智能研究院聯合北京大學多院系科研團隊開發的“通矩模型”，近日在國際權威學術期刊《自然-機器智能》發表。該系統首次實現自主命題與自動解題的雙重能力，在自動化推理領域達到國際領先水平，標志著我國在通用人工智能核心技術研發上取得重要進展。
幾何推理作為人工智能發展的關鍵瓶頸，長期面臨兩大挑戰：一是搜索空間呈指數級增長的“組合爆炸”問題，二是訓練數據規模受限的困境。傳統AI系統在處理復雜幾何命題時，往往因輔助線添加策略失效而陷入無效計算，而現有幾何題庫的有限性更制約了模型訓練效果。針對這些難題，研究團隊構建了全新的邏輯推理架構，通過抽象化建模將幾何問題轉化為可系統探索的數學空間。
該模型的核心創新在于引入“規范化表示”技術，賦予系統識別幾何圖形本質特征的能力。無論三角形如何旋轉、縮放或翻轉，系統都能穿透表象差異，精準捕捉其內在幾何關系。這種對物理對稱性的深度利用，使搜索空間壓縮了數個數量級。研究顯示，在處理國際數學奧林匹克競賽幾何題時，模型僅需單張消費級顯卡即可在38分鐘內完成解題，其效率與準確率均達到國際先進水平。
更引人注目的是，系統通過強化學習技術模擬人類數學審美，構建了獨特的“價值模型”。該模型不僅能判斷推理結論的正確性，更能評估推導過程的簡潔性。當發現命題證明難度顯著高于構建復雜度時，系統即判定其具有“數學美感”，從而篩選出符合人類認知標準的高質量題目。這種價值引導機制使模型突破了傳統“模仿解題”模式，首次實現從被動訓練到主動創造的范式轉變。
研究團隊負責人介紹，通矩模型已展現出強大的原創能力。其自主設計的3道幾何新題被納入2024年全國中學生數學聯賽北京賽區試題庫，驗證了系統在科學規律發現方面的潛力。與傳統數據驅動型AI不同，該模型通過內部邏輯演化實現能力提升，為“小數據、大任務”的研究路徑提供了新范式。這種不依賴海量標注數據的技術路線，被認為更接近通用人工智能的發展本質。
目前，該成果已在數學教育領域展開應用探索。系統可根據學習者水平定制個性化訓練方案，提供智能化的解題指導。隨著模型持續優化，研究團隊正嘗試將其擴展至物理、化學等基礎學科，為科學大模型開發奠定技術基礎。這項突破不僅提升了我國在人工智能核心領域的國際話語權，更為復雜邏輯系統的自動化推理提供了全新解決方案。
