计算机科学 > 机器学习

[提交于 2026 年 6 月 11 日]

标题：MaxProof：利用生成-验证器强化学习与群体级测试时扩展实现数学证明规模化

陈家成

张新宇

张顺凯

王彦墨涵

李林

秦天成

王琴

朱正茂

李天乐

李静阳

李泽涵

江彬阳

朱金

丁涵

余飞

杜晨宇

宋子健

宋嘉源

张志

黄宇南

程伟宇

赵鹏宇

程宇

摘要：我们提出 MaxProof，这是一个面向 MiniMax-M3 系列中竞赛级数学证明的群体级测试时扩展框架。M3 首先使用专为低误报率设计的纵深防御生成式验证器，训练三种面向证明的能力——证明生成、证明验证以及基于批判的证明修复。这些能力被合并到单个发布的 M3 模型中。在测试时，MaxProof 将该模型视为生成器、验证器、优化器和排序器，在候选证明群体中进行搜索，并通过锦标赛选择返回一个最终证明。借助 MaxProof 测试时扩展，M3 模型在 IMO 2025 上达到 35/42，在 USAMO 2026 上达到 36/42，两项成绩均超过人类金牌阈值。

主题：	机器学习 (cs.LG)；人工智能 (cs.AI)；计算与语言 (cs.CL)
引用方式：	arXiv:2606.13473 [cs.LG]
	（或本版本 arXiv:2606.13473v1 [cs.LG]）
	https://doi.org/10.48550/arXiv.2606.13473 通过 DataCite 获取 arXiv 发布的 DOI

提交历史

来自：陈家成 [

2026 年 6 月 11 日星期四 15:27:06 UTC (2,912 KB)