该论文提出MaxProof系统，通过生成-验证强化学习和群体级测试时扩展技术来提升数学证明的规模。系统结合生成模型与验证机制，利用强化学习优化证明过程，并通过群体测试方法实现高效扩展。

论文标题：MaxProof：通过生成-验证强化学习与群体级测试时扩展实现数学证明的规模化

核心内容：

该论文提出MaxProof框架，旨在解决竞赛级数学证明的规模化问题。研究团队首先训练了MiniMax-M3系列模型，使其具备三种核心能力： 1. 证明生成 2. 证明验证 3. 基于批评的证明修复

这些能力通过深度防御生成验证器（engineered for low false-positive rate）整合到单一模型中。在测试阶段，MaxProof将模型作为生成器、验证器、优化器和排序器使用，通过群体搜索和锦标赛选择机制筛选最优证明。

重要成果：

• 在IMO 2025测试中取得35/42的成绩
• 在USAMO 2026测试中取得36/42的成绩
• 两项成绩均超过人类金牌得主分数线

技术亮点：

1. 测试时扩展（test-time scaling）技术
2. 群体级证明搜索策略
3. 低误报率的验证系统设计

学科分类：

机器学习（cs.LG）、人工智能（cs.AI）、计算与语言（cs.CL）

作者信息：

由Jiacheng Chen领衔的23人研究团队完成，提交于2026年6月11日。

（注：已过滤网页导航元素、机构标识、参考文献工具等非核心内容，保留关键学术信息）

评论总结：

1. IMO金牌得主比例创新高

   • 主要观点：2025年IMO金牌得主比例（72/630=11.4%）是自1981年以来的最高值，部分原因是35分的同分人数众多（46人），导致金牌比例偏离常规的1/12。
   • 关键引用：
     • "Crudely, IMO gold medals are awarded to the highest-scoring 1/12 of contestants."
     • "35 is the mode of the scores this year; the last time the modal score was a gold medal score was in 1994."

2. 对AI表现的调侃

   • 主要观点：AI系统（如Google、OpenAI）在IMO中得分与人类选手相同（35分），引发对AI能力的讨论。
   • 关键引用：
     • "The real AGI test is apparently not solving the IMO, but getting caught in the same scoring traffic jam as 46 teenagers."
     • "35 is the same score claimed by AI systems from Google, OpenAI, and others."

3. 其他观点

   • 质疑评分机制：用户thierrydamiba提出“马具是否比砝码更有价值？”（可能暗喻评分标准是否合理）。
   • 幽默评论：用户minimaxir调侃“今天不是叫Max的好日子”（可能与得分或排名相关）。
   • 技术建议：用户korbonits认为“这证明需要更正式的验证”（可能针对评分或AI表现）。

总结：

评论主要围绕2025年IMO金牌比例异常（因同分现象）展开，同时延伸至AI表现与评分机制的讨论。观点多样，包括数据分析、幽默调侃和技术反思，整体认可度无显著倾向（评分均为None）。