顶级 AI 说至少要 22 步，清华团队证明了答案：19 步

luyuanhong

顶级 AI 说至少要 22 步，清华团队证明了答案：19 步

原创  代码光谱  深度学习 open  2026 年 11 月 4 日 12:24  广东

姚期智团队新作“代数世界模型”：让 AI 从记现象，进化到写定律、出证明。

AI 圈有个老问题，隔三差五就会被翻出来：只给 AI 牛顿出现之前的全部知识，它能自己把万有引力推导出来吗？

听上去像思想实验，卡住它的却是个很现实的麻烦——训练数据早被人类知识“污染”了，你根本造不出一个 AI 没见过的陌生世界，让它从零开始观察、实验。

10 月 29 日，清华大学姚期智、袁洋团队把一篇论文挂上了 arXiv，叫《代数世界模型：从探索到证明》。他们给了这条老问题一个新解法：与其让 AI 背更多知识，不如教它把陌生的世界变成数学，然后——证明。

一、先看一个翻车现场

有个叫 ARC-AGI-3 的游戏集，现在是各大前沿模型的“秀肌肉”现场。它的特点是啥都不告诉你：没有规则，没有说明，让你自己玩、自己悟。

顶流模型的成绩确实漂亮，配合工具框架能拿 99.9% 的高分。可清华团队盯上的是另一个问题：这些模型真的“懂”这个游戏世界吗？

他们挑了一个叫 sc25 的游戏，动了个手脚：第四关本来至少要 19 步才能赢，他们只给你 18 步—— 一道注定无解的题。


困惑的机器人撞上砖墙死路

然后让 GPT 的旗舰模型去玩。它试了 8 轮，最后断言：18 步肯定不行，我估计至少要 22 步。

你看，它不仅没发现这关无解，还一本正经地给了个错得离谱的数字。

论文里的统计更扎心：12 次类似测试，GPT-6 Astra 和 Claude Opus 5.5 两个顶级选手加起来，只有 5 次判断出“不可能”，其中 4 次给出的最低步数还是错的。

说实话，在游戏里这顶多坑你一下。可要是换成现实任务——AI 智能体告诉你“这事做不成”，还附赠一个错误理由，代价可能就大了。我们真正需要的，是 AI 能证明“为什么不可能”，顺带告诉你“差哪一步”。

二、第谷很多，开普勒很少

为什么顶级模型也会栽？有意思的是，论文借一对师徒打了比方，我觉得特别传神。

16 世纪的天文学家第谷，是个观测狂人，几十年记下海量行星数据，精确得吓人。可他一辈子都在记录现象。真正从这些数据里挖出行星运动三大定律的，是他的学生开普勒。


星空下的观测笔记与望远镜

顶级模型玩游戏时也会自己整理规则，密密麻麻，比一般模型精确多了。但按这个标准，那只是第谷的实验记录本——描述了现象，没抓住本质。

怎么让 AI 从“第谷”进化成“开普勒”？团队的答案就藏在名字里：代数。把游戏世界里的对象、关系、规则，整个抽象成一个“代数世界”，让大模型本来就强的数学能力真正派上用场。

三、三步走：探索、凝炼、证明

具体怎么干？三步。

第一步，探索。先玩几轮，把看到的现象写成可执行的 Python 代码，当作初步的“假设”。

第二步，凝炼。用新的观察去验证、修正这些假设，提炼成更通用的对象和规则。这一步用上了范畴论——号称“数学的数学”——里的两个工具：投射极限负责“下定义”，把概念拆开再组合；归纳极限负责“找共性”，把不同的东西统一进更抽象的框架。零散的假设被来回倒腾，越变越简洁、一致。

第三步，证明。把规律形式化成 Lean 4 语言—— 一种机器可以自动检查的数学证明语言——变成逻辑严密的断言。


AWM 三步管线：探索、凝炼、证明

效果回到开头那道无解的关卡：基于 Claude Opus 5.5 的 AWM，只试了两轮，就直接给出证明—— 18 步下这关无解，再多给一步，19 步就能赢。

论文报告的 6 次运行里，AWM 全部构造出了机器检查通过的证明。作为对比，那两个顶级基线模型 12 次里一次都没有。论文里还提到一个细节：AWM 最初的步数下界 6 次里对 4 次，拿到“存在更优解”的反馈后，修正规则，6 次全对。

通关能力也没耽误：25 个公开游戏、183 个关卡全部通过，得分 99.9% ，平均动作数只有人类基准玩家的 43% 。

四、像牛顿一样思考，但只懂“见过的世界”

这套思路，说到底就是科学史的主线。

从万有引力到麦克斯韦方程组再到相对论，人类最顶尖的智慧一直在做同一件事：从复杂现象里提炼基本规律，用数学这门统一的语言描述世界。牛顿面对的也不是写好答案的考题，而是一堆零散观测——伟大的地方在于发明“力”“质量”这些核心概念，把它们组织成能推演、能检验的理论。

AWM 想教给 AI 的，正是这套工作方式。

不过它也有边界，论文自己说得很清楚：证明只对“它观测到的世界”成立。要是探索得不全面、漏了关键规则，那它描绘的就只是局部真理。所以真正的路径是个循环：观察、假设、实验、抽象、证明，然后再观察。

写在最后

最后再说一个细节：论文的作者阵容。

两位共同一作，都是本科生。一位是浙江大学的潘冠成，目前休学在清华做研究。另一位是清华姚班的谭淇心。指导老师是清华副教授袁洋，以及姚期智—— 2000 年图灵奖得主、中国科学院院士、清华交叉信息研究院院长。

上个月聊过陶哲轩谈 AI 与数学的协作方式。这一次，清华团队让 AI 朝“自己完成从现象到证明”又走了一步。方向不同，指向一处：AI 做科学，靠的不是背答案，而是学会人类最古老的那套方法。

深度学习 open