论文
MaxProof：使用生成验证器 RL 和群体级测试时间缩放来缩放数学证明
MaxProof: Scaling Mathematical Proof with Generative-Verifier RL and Population-Level Test-Time Scaling
摘要
我们推出了 MaxProof，这是 MiniMax-M3 系列中用于竞赛级数学证明的群体级测试时间缩放框架。 M3 首先使用专为低误报率设计的深度防御生成验证器来训练三种面向证明的功能——证明生成、证明验证和批判条件证明修复。这些功能被合并到一个发布的 M3 模型中。在测试时，MaxProof 将模型视为生成器、验证器、精炼器和排名器，搜索候选证明群体，并通过锦标赛选择返回一个最终证明。通过 MaxProof 测试时间缩放，M3 模型在 IMO 2025 上达到 35/42，在 USAMO 2026 上达到 36/42，均超过了人类金牌门槛。