在AI界，拿下国际数学奥林匹克（IMO）金牌曾是遥不可及的梦想，但Google DeepMind的Yi Tay做到了。作为Gemini Deep Think的核心贡献者，他去年带领团队首次让AI在IMO中夺得金牌，今年2月又发布了升级版Gemini 3 Deep Think。令人意外的是，这位技术天才差点走上另一条路——成为职业钢琴家。 Yi Tay的转型并非偶然。他从小展现出对复杂系统的敏锐直觉，钢琴训练让他学会了耐心与迭代思维。在DeepMind，他将这种特质融入Gemini Deep Think的研发中。该模型通过“深度思考”机制，在数学推理任务中实现了突破：在IMO 2024的6道难题中，它正确解答了5道，得分35分（满分42分），远超此前AI系统在数学竞赛中的表现。关键创新在于“自我校验”模块，模型能自动识别推理链中的逻辑漏洞并回溯修正，这使它在几何和数论问题上准确率提升了40%。 这一成就背后是数千小时的训练数据和算法优化。Yi Tay团队使用了合成数学问题生成器，生成了超过100万道难度递增的题目，并通过强化学习让模型学会“何时该相信直觉，何时该深入推导”。Gemini 3 Deep Think进一步引入了“思维树”架构，允许模型同时探索多条解题路径，最终选择最优解。在基准测试中，它的解题速度比前代快了3倍，而计算成本降低了20%。 Yi Tay的故事给AI从业者带来启示：跨领域背景可能成为创新的催化剂。他建议开发者不要局限于纯技术路线，多接触艺术、逻辑学等学科。未来，他计划将Gemini Deep Think的能力扩展到物理和化学领域，让AI真正成为科学发现的助手。对于关注AI推理能力的读者，不妨关注DeepMind即将开源的“数学推理工具包”，其中包含部分训练数据和模型框架。", "source": "https://www.aitntnews.com/newDetail.html?newId=25685