RMA：面向研究级数学问题的智能体系统

arXiv cs.AI 论文
agentic-framework mathematical-reasoning automated-reasoning iterative-refinement proof-verification research-level-problems

摘要

Research Math Agents (RMA) 是一个用于研究级数学问题自动推理的智能体框架，在 First Proof 基准测试中取得最先进结果，解决了10个问题中的8个，优于 GPT-5.2R 和 Aletheia 等强基线。

arXiv:2605.22875v1 公告类型：新 摘要：我们提出 $\textbf{Research Math Agents (RMA)}$，一个用于研究级数学问题自动推理的智能体框架。与以往侧重于竞赛数学或形式化定理证明的研究不同，RMA 针对需要长程推理、文献支撑和迭代证明精炼的研究级数学问题。RMA 将研究级证明求解分解为专门模块，包括问题分析、文献搜索与理解、公平比较、知识库构建和证明验证，所有这些模块由初始化、提议和验证智能体通过共享结构化记忆协调。在这个统一框架内，这些智能体以多角色、多轮工作流的方式运行，通过迭代反馈协作生成、精炼和验证候选证明。我们在 First Proof 基准测试上评估 RMA，该测试包含由跨领域专家数学家贡献的十个研究级问题。通过全面的专家评估，RMA 在 First Proof 基准测试上优于 GPT-5.2R 和 Aletheia 等强基线，解决了十个研究问题中的八个，并产生了逻辑更严谨、可读性更强的证明。我们全面的消融研究进一步表明，性能提升源于结构化推理模块、迭代精炼和基于验证器的反馈之间的交互，而非任何单一组件。我们的解决方案和实现将在论文接受后公开发布。
查看原文
查看缓存全文

缓存时间: 2026/05/25 08:54 

# RMA：面向研究级数学问题的智能体系统
来源：https://arxiv.org/abs/2605.22875
查看 PDF (https://arxiv.org/pdf/2605.22875)

> 摘要：我们提出了 **Research Math Agents (RMA)**，一个用于自动推理研究级数学问题的智能体框架。与以往聚焦于竞赛数学或形式定理证明的研究不同，RMA 针对研究级数学问题——这类问题需要长程推理、文献依据和迭代式证明精炼。RMA 将研究级证明求解分解为专门模块：问题分析、文献搜索与理解、公平比较、知识库构建和证明验证，这些模块由初始者、提议者和验证者智能体通过共享的结构化记忆协同运作。在此统一框架内，这些智能体以多角色、多轮次的工作流运作，通过迭代反馈共同生成、精炼和验证候选证明。我们在 First Proof 基准上评估了 RMA，该基准包含十位专家数学家贡献的跨领域研究级问题。通过全面的专家评估，RMA 在 First Proof 基准上强于 GPT-5.2R 和 Aletheia 等基线模型，解决了十个研究问题中的八个，并生成了逻辑更严谨、可读性更强的证明。我们的综合消融研究表明，性能提升来源于结构化推理模块、迭代精炼和基于验证者的反馈之间的相互作用，而非任何单一组件。我们的解决方案和实现将在论文被接收后公开。

## 提交历史

来自：赵泽林 [查看邮件 (https://arxiv.org/show-email/b0f3eb6c/2605.22875)] **\[v1\]**2026年5月20日星期三 04:54:22 UTC (136 KB)

相似文章

AI 协作者数学家：利用代理式 AI 加速数学家的研究

Hugging Face Daily Papers

本文介绍了 AI 协作者数学家（AI Co-Mathematician），这是一个利用代理式 AI 支持数学家进行构思和定理证明等开放式研究任务的工作台。早期测试表明，该系统在困难的问题解决基准测试中取得了最先进的结果，包括在 FrontierMath Tier 4 中获得了 48% 的得分。

DuMate-DeepResearch：一个可审计的多智能体系统，具备递归搜索与基于评分标准的推理

arXiv cs.AI

本技术报告介绍了DuMate-DeepResearch，一个用于深度研究任务的多智能体框架。该框架将智能体核心与工具生态系统解耦，并集成了基于图的动态规划、递归双层执行以及基于评分标准的测试时优化。该系统在两个深度研究基准测试中取得了最先进的结果，展示了可审计智能体基础设施的价值。

递归多智能体系统

Papers with Code Trending

本文提出RecursiveMAS，一种将递归扩展原则应用于多智能体系统的框架，以提升协作推理的效率和准确性。与标准基线相比，该框架在多个基准测试中实现了显著的加速和token缩减。