北京团队实现通用人工智能推理新突破

中国科研团队近期成功研发出一款名为“通矩模型”（TongGeometry）的自主AI系统，相关成果于26日晚在线刊载于国际顶级期刊《自然-机器智能》（Nature Machine Intelligence）。业内权威专家指出，这是全球首个兼具自主命题（Proposing）与自动解题（Solving）双重能力的通用人工智能系统，标志着我国在自动化逻辑推理这一基础性、核心技术领域实现关键突破，其综合性能与功能广度已跃居世界前列。

论文预印本链接：见期刊官网

长期以来，人工智能在几何逻辑推理方向面临两大根本性瓶颈：其一为“组合爆炸”问题——几何证明常需引入巧妙的辅助点、线、圆等元素，而每新增一个几何对象，其潜在构造组合数量即呈指数级攀升，导致搜索空间急剧膨胀；其二为“高质量标注数据稀缺”——现有公开几何题库规模有限、题型单一、覆盖不足，难以支撑大规模模型的有效训练与泛化。

由北京通用人工智能研究院牵头，联合北京大学心理与认知科学学院、北京大学智能学院、北京大学人工智能研究院及北京大学武汉人工智能研究院共同组建的跨学科攻关团队，设计并构建了一套高鲁棒性的逻辑推理搜索框架。该框架将纷繁复杂的几何世界进行形式化抽象与结构化建模，使AI系统能够在每个推理节点上开展类人化的、有层次、有策略的系统性探索，显著规避了传统方法中大量低效甚至无效的盲目尝试。

值得一提的是，研究团队原创性地提出了“规范化表示”（Canonical Representation）技术。该机制赋予模型一种“穿透表象、直达本质”的识别能力：在几何空间中，同一命题常因图形旋转、镜像翻转或比例缩放而呈现海量视觉变体。通矩模型可自动识别并归并所有对称等价或拓扑同构的构型，从而将原始搜索空间压缩达数个数量级。例如，无论一个三角形以何种姿态出现在坐标系中，系统均能稳定提取其不变的核⼼⼏何关系。这种对几何对称性与不变量的深度建模，成为提升推理效率的关键支点。

此外，在激发AI“解题直觉”的过程中，系统引入基于数学美学的价值评估机制。依托强化学习框架，内置的“价值模型”可动态评估每条推理路径的潜在价值——不仅关注最终结论是否成立，更重视推导链条是否精炼、结构是否优美、步骤是否经济。

“当模型察觉某个命题的证明难度远超其构造本身时，它便触发了类似人类数学家‘灵光一现’的认知信号。”论文第一作者、北京通用人工智能研究院研究员张弛解释道，“这种由价值函数驱动的主动探索，使系统不仅能复现已有解法，更能从海量可能中甄别并生成符合人类数学审美标准的优质新题，真正完成了从‘被动解题’到‘主动创题’的范式跃迁——这在全球范围内尚属首例。”