Aletheia 自主攻克 FirstProof

我们报告 Aletheia（Feng et al., 2026b）——一个由 Gemini 3 Deep Think 驱动的数学研究智能体——在首届 FirstProof 挑战上的表现。在挑战允许的时限内，根据多数专家评审，Aletheia 自主解决了 10 道题中的 6 道（第 2、5、7、8、9、10 题）；我们指出，专家仅在第 8 题上意见不一。为完全透明起见，我们解释了我们对 FirstProof 的解读，并披露实验与评估细节。原始提示与输出见 https://github.com/google-deepmind/superhuman/tree/main/aletheia。