Gemini在IMC竞赛中表现出色，AI数学能力令人瞩目

Gemini奥数金牌，实至名归！ETH Zurich博士在大学生国际数学竞赛（IMC）中，测试了Gemini的三种模式，表现远高于前8%的金牌门槛，远超普通大学生。

AI与大学生数学能力孰强孰弱？

近日，MathArena上，苏黎世联邦理工学院SRI实验室博士生Jasper Dekoninck，启动了一项新比赛：大学生国际数学竞赛（IMC）。

最终，LLM以高分胜出：语言模型在国际数学竞赛中拔得头筹。

Gemini远超普通大学生水平

国际数学奥林匹克竞赛（IMO）一直是AI系统数学推理能力的试金石。

前不久，在IMO竞赛中，谷歌、OpenAI等相继宣布其旗下LLM获得IMO金牌级成绩。

由于获奖的AI系统不透明及结果可解释性有限，这些金牌引发广泛质疑。此次在MathArena上，首次评估了AI在本科生数学竞赛上的表现。

测试了三个系统：Gemini Deep Think IMO、Gemini-2.5-Pro及Gemini-2.5-Pro Best-of-32基线。

测试结果显示，三个系统均获得极高分数，远超前8%的金牌门槛。

Gemini Deep Think和Gemini Agent均成功解决所有问题，仅出现少量小错误。而Gemini Best-of-32在IMC的表现远优于IMO。

这次得出了三大结论：

结论1：三个模型在IMC比赛中均获得高分，Gemini Deep Think和Gemini Agent在所有问题中都给出了大部分正确的答案。

结论2：综合考虑证明质量和清晰度，评委们对模型的排名如下：Gemini Deep Think>Gemini Agent>Gemini Best-of-32。

结论3：定性分析显示，Gemini Deep Think表现尤为出色，其证明比其他模型清晰有趣。

IMC金牌，含金量如何？

国际大学生数学竞赛IMC由英国伦敦大学学院主办，保加利亚美国大学承办，于2025年7月28日至8月3日在保加利亚布拉戈耶夫格勒举行。

面向本科阶段（1至4年级）学生，参赛者年龄上限为23岁，特殊情况可酌情考虑。不设最低年龄限制。

试题涵盖代数、分析（实分析与复分析）、几何与组合数学。比赛语言为英文。

IMC为期两天，每天五题，每题十分。

结果分析

Gemini Deep Think：清晰性最强的证明者

对于数学推理而言，表达清晰是评审依据。Gemini Best-of-32虽技术正确但表达混乱；Gemini Agent逻辑性更好但证明冗长；而Gemini Deep Think则语言简练、结构清晰。

Gemini Deep Think：展现了真正的原创思维

AI模型常依赖暴力运算。而Gemini Deep Think策略优雅且创新，如第7题证明简洁且具美感，第9题思路比官方解更简洁且具启发性。

高阶数学知识的调动能力

三个模型均能识别并调用Landau函数已知性质构建完整证明。

网友：o3十分钟搞定题目

网友Dmitry Rybin用o3测试了IMC题目，约十分钟完成。但认为第5题答案有瑕疵可能会被扣分。

AI数学推理，已无法忽视

AI日益强大的数学推理能力令人瞩目。例如，Deep Think使用Shemesh定理给出了一个Dmitry Rybin以前未见过的证明。

参考资料

https://x.com/j_dekoninck/status/...