MaxProof: масштабируемый фреймворк для олимпиадных доказательств
Исследователи представили MaxProof — систему, объединяющую генерацию, проверку и исправление доказательств, позволяющую модели M3 превзойти золотой уровень на IMO 2025 и USAMO 2026.
MaxProof — новый подход к решению задач уровня международных математических олимпиад. Система использует одну модель M3, но в режиме теста превращает её в генератор, проверяющий модуль, рефинер и ранжировщик, после чего выбирает лучший доказательство через турнирный отбор. Это позволило достичь 35 из 42 баллов на IMO 2025 и 36 из 42 на USAMO 2026, превысив порог золотой медали.
Как построена система?
В основе MaxProof лежит три специализированных навыка, обученных последовательно: генерация доказательства, его верификация и исправление по критике. Для верификации разработан «defense‑in‑depth» генеративный проверяющий модуль, настроенный на минимальное количество ложных срабатываний. После обучения эти способности объединяются в единую модель M3, готовую к использованию в реальном времени.
Что происходит на этапе теста?
Во время инференса модель генерирует набор кандидатных доказательств. Каждый из них проходит через проверяющий модуль, который отбрасывает явно неверные варианты. Оставшиеся доказательства попадают в фазу рефайнмента: система исправляет найденные недостатки, используя условный критический ввод. Затем все версии ранжируются, и победителем становится доказательство, выигравшее турнирный отбор.
Почему важен низкий уровень ложных срабатываний?
Если проверяющий модуль часто ошибается в сторону «правильного», система может принять неверный доказательство и завершить поиск преждевременно. Минимизация false‑positive rate гарантирует, что отбрасываются только действительно ошибочные варианты, а хорошие сохраняются для дальнейшего улучшения.
Какие результаты показала модель?
Тестирование MaxProof на официальных наборах задач IMO 2025 и USAMO 2026 продемонстрировало 35/42 и 36/42 баллов соответственно. Оба результата превышают порог, необходимый для получения золотой медали, что ставит систему выше большинства человеческих участников.
Какова роль турнирного отбора?
Турнирный отбор сравнивает доказательства попарно, отбирая победителя каждой пары. Такой процесс позволяет учитывать как точность, так и эстетическую составляющую решения, что особенно ценно в олимпиадных задачах, где важна лаконичность и оригинальность.
Что изменится для исследователей ИИ?
MaxProof показывает, что комбинирование нескольких специализированных навыков в единой модели может привести к качественному скачку в решении сложных задач. Подход открывает путь к созданию более универсальных систем, способных не только генерировать, но и критически оценивать собственный вывод.
Что это значит для бизнеса?
Для компаний, разрабатывающих AI‑решения, MaxProof демонстрирует, как масштабировать производительность модели без увеличения её параметров, используя продуманный процесс тестового отбора. Это может сократить затраты на обучение и ускорить вывод новых функций, повышая конкурентоспособность продукта.