字节Seed Prover 1.5详解：AI如何靠“打草稿”拿下IMO金牌

type

status

date

slug

summary

Seed Prover 1.5的成功，首先验证了大模型领域著名的Scaling Law（缩放定律）在数学推理任务中的有效性。但这不仅仅是堆砌参数那么简单。该模型拥有230B的总参数量（其中23B为激活参数），其核心突破在于验证了两个维度的Scaling效应：

强化学习训练时的Scaling：通过大规模的Agentic RL（代理强化学习），随着训练步数的增加，模型在训练集上的证明通过率从50%飙升至接近90%。

测试时（Test-time）的Scaling：研究证明，在推理阶段增加计算资源，可以让模型的解题率呈对数线性增长。这意味着，给AI更多的思考时间和计算资源，它的逻辑推理能力会显著增强。

这种“算力换智力”的策略，特别是在处理像IMO这样需要极深逻辑链条的难题时，展现出了巨大的潜力。然而，单纯的算力堆叠并不足以解决形式化证明的难题，真正的“杀手锏”在于其独特的架构设计。

传统的AI数学模型通常面临一个两难选择：要么一步步生成证明（效率极低），要么一次性生成完整证明（极易出错）。Seed Prover 1.5打破了这一僵局，提出了一种全新的 Agentic Prover 架构。

在这个架构中，Lean（一种形式化数学语言）不再仅仅是输出的目标，而是被模型视为一种可交互的“工具”。这使得AI的解题过程更像是一个人类数学家：

增量式引理验证：模型学会了“步步为营”。它不再试图一口气吃成胖子，而是将大问题拆解为若干个引理（Lemmas）。每证明一个引理，系统就会将其存档复用，成为后续推理的基石。

这种基于引理的交互方式，既保证了证明的严谨性，又极大地提高了推理效率。

如果说Agentic Prover是执行者，那么 Sketch Model 就是战略家。这是Seed Prover 1.5最引人注目的创新点——它模拟了人类数学家“打草稿”的思维过程。

在解决复杂数学问题时，人类通常不会直接写出严丝合缝的形式化代码，而是先在草稿纸上画出逻辑骨架，列出关键步骤。Sketch Model正是为此而生：

混合奖励机制：为了训练这个模型，研究人员设计了复杂的奖励信号，包括Lean编译器的验证、自然语言Prover的逻辑检查，以及基于长思维链的评分模型。只有当草稿在形式、逻辑和语义上都达标时，模型才会获得奖励。

这种“先规划，后执行”的策略，有效地规避了长文本生成中常见的错误累积问题，让AI在面对高难度数学题时不再迷失方向。

Seed Prover 1.5的出现，展示了一个分层级多智能体协作系统的强大威力：Natural Language Prover提供直觉，Sketch Model规划路径，Agentic Prover攻克细节。这种仿生学的思维链条，配合测试时的算力扩展，为AI解决复杂逻辑问题指明了新的方向。

随着技术的不断开源和迭代，我们有理由相信，AI不仅能在竞赛中拿金牌，未来更将成为人类科学家探索未知数学领域的得力助手。关注 AIGC.BAR，获取更多关于 AI、LLM 及 大模型 的前沿资讯，紧跟人工智能技术变革的浪潮。