这项由美国加州大学洛杉矶分校的萨尔曼·拉赫曼教授、康奈尔大学的穆德·基肖尔·莫罗尔博士以及卡塔尔计算研究所的穆德·里兹万·帕尔韦兹博士共同领导的研究于2025年6月发表，论文编号为arXiv:2506.14234v1。感兴趣的读者可以通过访问https://kagnlp.github.io/xolver.github.io/获取完整的代码和数据。
当你还在为数学竞赛题目抓耳挠腮时，研究团队却在思考一个更深层的问题：为什么现在的AI虽然很聪明，但每次解题都像是第一次见到这类问题，完全不会从之前的经验中学习？就好比每次做菜都不记得上次的调味心得，每次都要重新摸索一遍。
现实中的奥数高手可不是这样工作的。他们就像经验丰富的侦探，会记住之前破过的案子，积累各种破案技巧，还会和队友互相学习，甚至在比赛现场都能从其他类似的题目中获得灵感。但现在的大语言模型却像患了健忘症的侦探，每次都要从零开始分析案情。
研究团队意识到这个问题后，决定打造一个全新的AI系统——Xolver。这个名字听起来像是"solver"（解决者）的升级版，而它确实是对传统AI解题方式的一次彻底革新。
Xolver的核心思想简单而巧妙：让AI学会像真正的专家团队一样工作。当你看到奥数竞赛中的顶尖选手时，他们绝不是单打独斗的孤胆英雄。相反，他们背后往往有一整套支持系统——经验丰富的教练提供指导，队友们互相讨论启发思路，还有大量历年真题和解题技巧作为参考资料。更重要的是，他们会在解题过程中不断调整策略，从失败中学习，在成功时总结经验。
研究团队决定把这种人类专家的工作模式完全复制到AI系统中。他们设计了一个多智能体框架，就像组建了一支AI版的奥数梦之队。这支队伍里有专门的规划师负责整体战略，有各种专业角色的解题专家（比如代数专家、几何高手、程序设计大师），还有严格的评判员负责检查答案质量，甚至还有专门的验证专家确保最终答案正确无误。
但真正让Xolver与众不同的是它的"记忆系统"。传统的AI就像是没有记忆的金鱼，每次解题都是全新开始。而Xolver却拥有两套完整的记忆体系，就像人类专家的大脑一样。
第一套是"长期记忆"，类似于专家多年积累的经验库。这里存储着大量的经典题目、解题方法和成功案例。当遇到新问题时，Xolver会先在这个经验库中搜索相似的例子，就像经验丰富的老师回忆起曾经教过的类似题型。
第二套是"工作记忆"，这更像是解题过程中的草稿纸和思维导图。在解决每个具体问题时，不同的AI专家会在这个共享空间里记录自己的思路、尝试的方法以及获得的反馈。随着解题过程的推进，只有质量最高的想法和方案会被保留下来，就像团队讨论中最终采纳的都是最有价值的建议。
更神奇的是，Xolver的学习能力是动态的。在解决一道新题目的过程中，不同专家会轮流发表意见，评判员会对每个方案打分，整个团队会根据反馈不断改进方案。这个过程可能要进行好几轮，直到找到满意的解答或者达到预设的尝试次数。解题结束后，整个过程中的精华部分会被存入长期记忆，成为未来解题的宝贵资源。
为了验证Xolver的实际效果，研究团队进行了大规模的测试，涵盖了数学和编程两大领域的多个知名测试集。这些测试包括小学数学应用题（GSM8K）、高难度数学竞赛题（MATH-500）、美国数学邀请赛真题（AIME 2024和2025），以及动态更新的编程挑战赛（LiveCodeBench）。
测试结果简直让人惊叹。即使使用相对较小的基础模型（比如32B参数的QWQ模型），Xolver的表现也经常超越那些参数量是它7倍多的巨型模型。在美国数学邀请赛的题目上，Xolver取得了平均91.6%的正确率，比基础模型提升了18.5个百分点。在编程挑战方面，提升幅度更是达到了惊人的21个百分点。
当研究团队使用更强大的基础模型时，Xolver的表现更是达到了新的高度。在各项测试中，它分别取得了98.1%（GSM8K）、94.4%（AIME'24）、93.7%（AIME'25）、99.8%（Math-500）和91.6%（LiveCodeBench）的成绩，这些数字甚至超越了当前最先进的专有AI模型。
一、AI团队的精妙组织：每个成员都有专门角色
Xolver的工作方式就像一个训练有素的专业团队。当面对一道新题目时，首先登场的是"规划师智能体"。这位规划师就像团队的教练，会仔细分析题目的特点，然后从一个庞大的专家库中挑选最适合的团队成员
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
