AWorld項目團隊 投稿
量子位 | 公眾號 QbitAI

2025年的IMO，好戲不斷。

7月19日，全世界頂尖大模型在2025年的IMO賽場上幾乎全軍覆沒。時隔1天，OpenAI、DeepMind等頂尖實驗室就在IMO 2025賽場斬獲5/6題，震驚數學圈。

有意思的是，7月23日——兩位來自Harvard和UCLA的學生，用Gemini 2.5 Pro+自研多輪驗證框架，在arXiv扔下一篇論文，首次系統性拆解了「解題+驗證」的IMO解題方法論。48小時后，他們開源了完整代碼。

來自螞蟻的多智能體框架AWorld項目團隊也加入了這場卷王之爭：

7月24日啟動，僅僅6小時，采用AWorld智能體框架，復現并開源了DeepMind的5/6道解題結果，并直接給出了可一鍵運行的多智能體IMO系統。

果然，大家好奇的點還是跟傳統長思維鏈LangChain等框架有什么不一樣。作者給出的回復，核心就是一個詞，自我進化。即，多智能體能夠超越單個智能體，能夠用于復雜問題協同，以及強化學習的獎勵模型等，最終實現AGI。

IMO 2025，把復雜推理模型推向了一種新的高度（盡管還處在實驗室階段，但DeepMind透露會對外）。

不過，能解IMO級別數學題的超級單智能體實屬稀有。AWorld的實驗也首次用工程系統證明：多智能體協同的智力上限，有可能超越其依賴的單個模型。

單模的「不可能三角」：為什么必須上多智能體？

單個裸模型，包括Gemini 2.5 pro，幾乎無法一次推理答對IMO賽題：level 1的第1，第4題在小概率下一次推理能答對（背景：IMO包括六道競賽題目，分為兩天進行，參賽者每天需完成3道題目，因此第一題難度相對較低），但是其余4題，一定需要多智能體協同才能完成，這揭露了一個殘酷現實：IMO級問題=單模的不可達之地。

AWorld的實測數據更扎心：

單模嘗試第3題：連續(xù)10次推理全部失敗。多智能體協同：通過「解題者+驗證者」雙角色對話，第3題在第5輪迭代就生成了完整的解答。“多智能體協同的智力上限，有可能超越其依賴的單個模型”的本質是什么呢？

為此，AWorld團隊嘗試提出了幾種解釋視角：

構建最優(yōu)輸入：從“好問題”到“完美上下文”

多智能體協同的核心優(yōu)勢在于它能動態(tài)地構造出一個遠超初始提問的、高質量的輸入信息。

基本原理(y = f(x))：我們可以將大模型視為一個固定的函數f，其輸出y的質量完全取決于輸入x的質量。

初始輸入的局限：對于如IMO競賽題這類復雜任務，最初的提問(x_0)信息稀疏，缺乏足夠的引導“腳手架”。這使得模型難以在其龐大的能力空間中，僅憑一次嘗試就找到通往正確答案的路徑。

協同的價值：多智能體系統并非提升模型f本身，而是設計了一個“智能流程”：通過生成和整合中間思想（如解題草稿、批判性反饋、改進建議），共同構建出一個信息極其豐富的“超級上下文”。這最終解鎖了模型早已具備、但通過簡單提問難以觸達的深層能力。

實現“元認知”:為系統外掛一個“反思模塊”

元認知，即“關于思考的思考”，是高級智能的核心標志。它包括自我監(jiān)控、自我評估和自我修正的能力。單個LLM本身不具備真正的元認知，但可以通過角色定義（Role-Play）來執(zhí)行元認知功能。

它不解決問題，而是評估解決方案的合理性、尋找邏輯漏洞、提出改進建議，從而避免了單模型容易陷入的思維定式和錯誤。

通過交互降低“信息熵”（Reducing Information Entropy）

一個復雜的IMO問題，其解空間的不確定性（信息熵）非常高。每一次有效的多智能體交互都在為系統提供新的約束，從而降低這種不確定性。

例如，審閱者指出“你的第一步假設A是無證據的”，這個反饋極大地減少了后續(xù)需要探索的可能性，使計算資源能更集中地探索更有希望的路徑，從而顯著提升了求解的效率和準確性。

綜上，多智能體協同的優(yōu)越性源于其智能化的流程，而非個體能力的提升。該流程通過協作分解與迭代修正，能有效解鎖基礎模型的深層潛力，最終涌現出超越個體能力之和的系統級智能。

AWorld的「六小時魔法」：把論文變成可運行系統

面對地獄級難度的IMO，相比模型頂流拿下成績秀肌肉，能夠復現的解題過程可能更加有利于技術的演進，所以我們更希望看到有一些開源的工作。AWorld的復現方式，提供了一些思路：

核心結構：采用了”做題家”和”驗證者”的雙智能體對話機制，兩者均依賴于相同的基礎模型（如Gemini 2.5 pro）來構建。其中，做題家負責生成數學解答，驗證者扮演IMO考官角色進行嚴格驗證，兩者通過多輪對話迭代優(yōu)化解答質量。核心要素：設計了完整的對話循環(huán)機制，包括自動檢測終止條件、最終答案、記錄完整對話歷史，以及基于驗證者反饋的解答重構策略，有效挖掘了基礎模型的潛在能力。身份設定與上下文工程：做題家采用嚴格的數學證明格式要求，驗證者則具備詳細的錯誤分類體系和標準化的驗證流程，這種專業(yè)化的角色分工顯著提升了問題解決的質量和準確性。

目前，AWorld在著名的GAIA Test榜單（即通過增加工具支持、更高效的提示、接入搜索等手段獲得增強能力的新一代大語言模型的基準）上達到了77.08分，在所有署名的智能體中排名第三，在所有開源工作中排名第一。

為多智能體協同而生

作為一個為構建生產級、可擴展多智能體系統而設計的下一代框架，AWorld核心優(yōu)勢是采用事件驅動的群體智能架構，徹底超越了傳統LangChain等框架的局限。

智能體之間通過事件總線進行異步通信與協作，而非簡單的順序調用。這使得復雜的實時交互成為可能。

強大的工具與模型生態(tài)

模型即插即用：通過統一接口，可在30秒內輕松切換OpenAI、Gemini、Claude等任意大語言模型，方便對比測試與成本優(yōu)化。MCP協議支持：將MCP作為核心能力，允許智能體將其他模型或智能體作為工具調用，極大拓展了能力邊界。所有工具均在安全沙箱中執(zhí)行，保障企業(yè)級安全。

生產級的穩(wěn)健性與可觀測性

全鏈路可觀測性：提供覆蓋智能體決策、工具調用全過程的追蹤、指標與日志，讓復雜的系統行為清晰透明，易于調試。精密的上下文與內存管理：支持長短期記憶和復雜編排，確保智能體在執(zhí)行長周期任務時能保持狀態(tài)、不“失憶”。

支持模型持續(xù)進化的學習閉環(huán)

開放訓練接口：AWorld不僅是執(zhí)行框架，更是進化平臺。它提供開放接口，可與主流訓練框架結合，利用智能體在真實任務中產生的交互數據對底層模型進行訓練。實現智能體自我進化：通過“數據-訓練-部署”的閉環(huán)，讓智能體在特定領域變得越來越“聰明”，構建真正的專家智能體系統。

如何體驗「IMO級多智能體」？

3步運行（詳見README.md）：

一鍵準備環(huán)境

進入項目目錄AWorld/examples/imo，然后直接運行腳本./setup_env.sh。自動創(chuàng)建獨立的Conda環(huán)境并安裝所有必需的依賴。

配置API密鑰

復制模板文件cp.env_template.env，然后編輯新生成的.env文件，填入你自己的大模型API密鑰(LLM_API_KEY)、模型名稱(LLM_MODEL_NAME)和接口地址(LLM_base_URL)。

激活環(huán)境并運行

首先激活環(huán)境，然后執(zhí)行主程序來解決指定的數學問題，例如運行python run.py —q imo4來解決IMO2025第4題。

寫在最后：IMO只是開始

AWorld的復現實驗，拋出了一個激進結論：當前多智能體系統的數學能力，已超越99%人類選手（雖然測試集有限）。

當單模在IMO折戟時，多智能體系統已經證明：AI的智能上限，可能不只在于模型有多大，更在于我們如何組織它們工作。

多智能體協作，可能是一條通往更高群體智能的有效路徑。更震撼的是未來潛力：這套系統正在作為reward model訓練下一代模型——用多智能體生成的「高階推理軌跡」作為訓練數據，相當于讓模型從IMO金牌選手的草稿紙里學習。

下一站，AWorld團隊透露正在測試「多智能體+形式化驗證」組合，目標直指Lean4形式化證明。

IMO 2026，可能將是人類最后一次有機會戰(zhàn)勝AI的數學競賽。

Gemini 2.5 Pro+:
論文地址：
https://arxiv.org/pdf/2507.15855

AWorld:
GitHub:https://github.com/inclusionAI/AWorld