🤖 AI

RMA: an Agentic System for Research-Level Mathematical Problems

L'article présente les Agents de Recherche Mathématique (RMA), un cadre agentique qui surpasse des bases solides comme GPT-5.2R sur des problèmes mathématiques de niveau recherche en exploitant un flux de travail itératif à rôles multiples pour décomposer les tâches en modules spécialisés pour l'ancrage dans la littérature, la génération de preuves et la vérification.

Auteurs originaux : Zelin Zhao, Bo Yuan, Jaemoo Choi, Yongxin Chen

Publié 2026-05-25

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Zelin Zhao, Bo Yuan, Jaemoo Choi, Yongxin Chen

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de résoudre une énigme entièrement nouvelle et non résolue dans le monde des mathématiques. Ce n'est pas comme un exercice tiré d'un manuel de lycée où la réponse se trouve cachée au dos du livre et où il suffit de suivre une recette connue. Au contraire, c'est comme essayer d'écrire un nouveau chapitre pour un dictionnaire qui n'a pas encore été rédigé. Vous devez inventer les règles, trouver les bons mots et prouver que vos idées sont vraies, tout en vous assurant de ne pas avoir accidentellement copié le travail de quelqu'un d'autre.

Ce papier présente RMA (Research Math Agents), une nouvelle équipe de « robots » IA conçue spécifiquement pour relever ces énigmes mathématiques difficiles et non résolues.

Voici comment fonctionne RMA, expliqué par une analogie simple :

Le Problème : Le « Génie Solitaire » contre l'« Équipe de Recherche »

Les systèmes d'IA précédents ressemblaient à des génies solitaires. Ils étaient excellents pour résoudre des problèmes de mathématiques de compétition (comme ceux des Olympiades Internationales de Mathématiques) car ces problèmes ont des réponses connues et des chemins clairs. Mais face à des mathématiques de recherche réelles et ouvertes, ils restaient souvent bloqués, inventaient des faits (hallucinations) ou abandonnaient.

RMA change la donne en agissant comme une équipe de recherche professionnelle dans un laboratoire universitaire. Au lieu qu'un seul robot tente de tout faire seul, RMA décompose le travail en un effort d'équipe structuré.

L'Équipe RMA : Une Division du Travail

Imaginez RMA comme une équipe de construction élevant un gratte-ciel (la preuve) à partir de zéro. Ils ne se contentent pas de deviner ; ils suivent un flux de travail strict avec trois rôles principaux :

L'Initialisateur (L'Architecte) :
- Rôle : Cet agent examine l'énoncé du problème, désordonné et confus, et le transforme en un plan clair. Il décompose le grand problème en objectifs plus petits et gérables.
- Analogie : Comme un architecte qui prend l'idée vague d'un client (« Je veux un bâtiment qui flotte ») et dessine les premiers plans, définissant exactement ce qui doit être construit.
Les Proposeurs (Les Constructeurs et Ingénieurs) :
- Rôle : Ces agents prennent le plan et tentent de construire la preuve. S'ils rencontrent un mur (une lacune logique), ils ne se contentent pas d'abandonner. Ils retournent à la « bibliothèque », trouvent un nouvel outil ou un design de bâtiment similaire (un théorème d'un manuel) et essaient une méthode de construction différente.
- Analogie : Comme une équipe d'ingénieurs essayant différents matériaux et designs. Si une poutre casse, ils ne disent pas simplement « c'est impossible » ; ils consultent la bibliothèque pour trouver un alliage d'acier plus résistant et réessaient.
Les Vérificateurs (Les Inspecteurs) :
- Rôle : Ces agents agissent comme de stricts inspecteurs du bâtiment. Ils ne construisent rien ; ils vérifient uniquement le travail. Ils recherchent des fissures dans la logique, des étapes manquantes ou des matériaux falsifiés. S'ils trouvent une erreur, ils renvoient les constructeurs pour la corriger.
- Analogie : Comme un inspecteur de sécurité qui parcourt le bâtiment, tapant les murs et vérifiant les plans. S'ils découvrent un défaut, ils émettent un « bon de réparation », et les constructeurs doivent le corriger avant de continuer.

Le « Carnet Partagé » (Mémoire Structurée)

Une partie essentielle de RMA est que tout le monde partage un carnet numérique (une mémoire partagée).

L'Architecte écrit le plan.
Les Constructeurs ajoutent leurs notes de construction et leurs nouvelles idées.
Les Inspecteurs écrivent leurs notes de critique.
Crucialement : Personne n'efface ce qui a été fait précédemment. Ils ajoutent simplement de nouvelles pages. Cela signifie que l'équipe se souvient de chaque erreur commise et de chaque outil trouvé, afin de ne pas répéter les erreurs.

Les Règles du « Jeu Équitable »

Pour s'assurer que l'IA ne triche pas en consultant la réponse, RMA dispose d'un Module de Comparaison Équitable.

Il agit comme un arbitre strict qui verrouille les portes de tout site web qui pourrait contenir la solution.
Il garantit que l'IA ne consulte que d'anciens manuels et articles publiés avant même que le problème ne soit créé, forçant l'IA à réellement penser et découvrir plutôt que de simplement copier-coller.

Les Résultats : Est-ce que ça a marché ?

Les chercheurs ont testé RMA sur le benchmark « First Proof », qui comprend 10 problèmes mathématiques réels et non résolus fournis par des mathématiciens célèbres.

La Compétition : Ils ont comparé RMA à d'autres systèmes d'IA de premier plan, notamment « GPT-5.2R » (d'OpenAI) et « Aletheia » (de Google DeepMind).
Le Résultat :
- Aletheia n'a résolu aucun des problèmes.
- GPT-5.2R a résolu 3 problèmes sur 10, mais a parfois fait de petites erreurs logiques ou fourni des réponses moins solides.
- RMA a résolu 8 problèmes sur 10.
- Plus important encore, lorsque des mathématiciens humains ont examiné les preuves, ils ont déclaré que les solutions de RMA étaient plus logiques, plus claires et plus fiables que celles des autres.

La Conclusion

Le papier affirme que résoudre des mathématiques difficiles ne consiste pas à avoir un « cerveau » plus intelligent (un seul modèle d'IA puissant), mais à avoir un meilleur processus. En décomposant le travail en rôles spécialisés (Architecte, Constructeur, Inspecteur), en leur donnant un carnet partagé et en les forçant à vérifier leur travail à plusieurs reprises, RMA peut relever des défis que même l'IA unique la plus intelligente ne peut pas résoudre.

C'est la différence entre demander à une personne de construire une maison seule dans le noir et engager une équipe disposant d'un plan, d'une bibliothèque et d'un inspecteur de sécurité.

Résumé Technique : RMA – Un Système Agentique pour les Problèmes Mathématiques de Niveau Recherche

Définition du Problème

Les benchmarks actuels pour le raisonnement mathématique en intelligence artificielle, tels que MATH ou les problèmes des Olympiades Internationales de Mathématiques (IMO), se limitent à des tâches de style compétition bien délimitées. Ces problèmes admettent généralement des solutions concises et autonomes utilisant des techniques connues et ne nécessitent pas d'engagement avec la littérature externe ni le développement de stratégies de preuve novatrices. En revanche, les problèmes mathématiques de niveau recherche présentent un défi qualitativement différent. Ils exigent des systèmes qu'ils interprètent des définitions spécialisées, formalisent des hypothèses, identifient des résultats antérieurs pertinents dans une vaste littérature, explorent des stratégies de preuve efficaces, construisent des lemmes intermédiaires et exécutent de longues chaînes de raisonnement rigoureux. Les systèmes existants de preuve formelle de théorèmes sont souvent inadaptés à ce domaine car ils supposent des problèmes entièrement spécifiés et des contextes formels fixes, alors que les mathématiques de recherche exigent un engagement avec une littérature non structurée et des techniques constructives. De plus, les outils de recherche agentiques existants ne sont pas conçus pour le raisonnement structuré, l'identification des lacunes et la présentation rigoureuse requis pour les preuves mathématiques.

Méthodologie : Le Cadre RMA

Les auteurs proposent Research Math Agents (RMA), un cadre agentique conçu spécifiquement pour le raisonnement automatisé sur les problèmes mathématiques de niveau recherche. RMA décompose le processus de résolution de preuves en modules spécialisés et les coordonne via un flux de travail multi-agent et multi-tours.

1. Conception Modulaire

RMA est construit sur six modules spécialisés implémentés sous forme de routines structurées exécutées par des agents de codage basés sur l'interface en ligne de commande (CLI) :

Module d'Analyse du Problème : Transforme les énoncés de problèmes bruts en descriptions intermédiaires structurées en formalisant les variables, en décomposant les problèmes en sous-objectifs et en extrayant les contraintes. Cela réduit l'ambiguïté et guide le raisonnement ultérieur.
Module de Recherche Bibliographique : Récupère les travaux antérieurs pertinents en générant des requêtes candidates basées sur la représentation structurée du problème plutôt que sur une simple correspondance de mots-clés. Il gère la variabilité de la notation mathématique à travers les plateformes (par exemple, arXiv, MathSciNet) et emploie une étape de « génération de candidats » pour prévenir la fuite d'informations depuis des solutions existantes lors de la récupération.
Module de Comparaison Équitable : Assure l'intégrité de l'évaluation en filtrant les sources contenant des solutions connues, en isolant l'historique d'interaction entre les exécutions, en mettant en sandbox l'utilisation des outils et en utilisant des modèles de base avec des dates de coupure d'entraînement antérieures à la publication du benchmark pour prévenir la contamination des données.
Module de Compréhension de la Littérature : Traite la littérature récupérée en extrayant des lemmes et des techniques candidats, en les filtrant pour s'assurer de leur alignement avec les hypothèses et les objectifs du problème actuel, et en les organisant en résumés groupés par rôle (par exemple, soutenant les sous-objectifs).
Module de Banque de Connaissances : Un référentiel de style « mémo » contenant des entrées concises et réutilisables (par exemple, inégalités standards, identités combinatoires) sélectionnées à partir de manuels canoniques. Ces entrées incluent des hypothèses explicites et des conditions d'applicabilité, permettant au système d'instancier et de vérifier des arguments standards sans avoir à les redémontrer.
Module des Commandements de Preuve : Fait respecter un ensemble de règles pour atténuer les modes d'échec courants des LLM, notamment :
- Ancrage : Les affirmations doivent être soutenues par des résultats établis ou des dérivations.
- Fidélité : Adhésion à l'énoncé original du problème.
- Raisonnement sans lacunes : Justification explicite pour chaque inférence.
- Constructivité : Exigence de constructions explicites lorsque nécessaire.
- Correction du format : Sortie LaTeX propre et compilable.

2. Instantiation Multi-Agent et Multi-Tours

RMA opérationnalise ces modules via un système d'agents spécialisés par rôle interagissant par l'intermédiaire d'une Mémoire Structured Partagée stockée sur disque. Le système se compose de :

Agent Initialisateur (Unique) : Produit l'ébauche initiale de la preuve, remplit la mémoire avec l'analyse du problème, le contexte bibliographique et les connaissances réutilisables.
Agents Propositeurs ( $K_p$ ) : Affinent la preuve en évolution en identifiant les lacunes, en invoquant les modules pertinents et en développant de nouveaux arguments. Ils ont un accès en écriture uniquement à l'état de la preuve.
Agents Vérificateurs ( $K_v$ ) : Évaluent la preuve actuelle par rapport au Module des Commandements de Preuve, vérifient la cohérence logique et identifient les étapes manquantes. Ils ont un accès en écriture uniquement à l'état des commentaires.

Le flux de travail progresse en $N$ tours. À chaque tour, les propositeurs génèrent des preuves candidates conditionnées par l'état actuel de la mémoire, et les vérificateurs fournissent des commentaires structurés. La mémoire partagée contient l'état du problème, le contexte bibliographique, les entrées de connaissances, l'état de la preuve et les commentaires accumulés. Les permissions de lecture/écriture sont strictement contrôlées pour prévenir les conflits, toutes les mises à jour étant ajoutées avec des identifiants d'agent et de tour.

Contributions Clés

Cadre RMA : La proposition d'un cadre agentique qui décompose la résolution de preuves de niveau recherche en modules spécifiques au domaine (analyse du problème, recherche bibliographique, récupération de connaissances et vérification) tout en prévenant activement la contamination des données.
Architecture Multi-Agent et Multi-Tours : L'introduction d'un système qui décompose les rôles en propositeurs et vérificateurs, permettant un raisonnement itératif, une vérification automatique et une auto-amélioration grâce à des interactions structurées, ce qui améliore la robustesse par rapport aux approches mono-agent.
Validation Empirique : Une vérification experte rigoureuse démontrant que RMA surpasse des bases de référence solides (y compris GPT-5.2R et Aletheia) dans la résolution de problèmes de niveau recherche. Le système atteint des taux de correction plus élevés et produit des preuves plus interprétables et alignées avec le raisonnement mathématique humain.
Insights des Études d'Ablation : Des études systématiques révélant que les gains de performance proviennent de l'interaction des modules structurés, du raffinement itératif et des commentaires basés sur les vérificateurs, plutôt que d'un composant unique.

Résultats Expérimentaux

Le système a été évalué sur le benchmark First Proof, composé de dix problèmes de niveau recherche contribué par des mathématiciens experts de divers domaines (par exemple, analyse stochastique, théorie spectrale des graphes).

Correction : RMA a résolu avec succès 8 problèmes sur 10 selon le jugement d'experts. Cela surpasse significativement des bases de référence solides : GPT-5.2R (3/10), Aletheia (5/10) et Agentic Researcher (3/10). Les assistants de recherche augmentés par la récupération (GPT-DR, Gemini-DR) n'ont produit aucune solution entièrement correcte.
Qualité : Dans les évaluations fines (Précision de la réponse, Correction Logique, Complétude, Clarté), RMA a obtenu les scores les plus élevés dans toutes les dimensions.
Comparaison Appariée : Dans des comparaisons aveugles appariées A-B, RMA s'est classé premier avec un taux de victoire de 0,75 contre des experts et de 0,78 contre des évaluateurs LLM, surpassant toutes les bases de référence.
Études d'Ablation :
- Le retrait des modules d'Analyse du Problème ou de Banque de Connaissances a provoqué une dégradation sévère des performances.
- Le raisonnement multi-agent a nettement surpassé la génération mono-agent et l'échantillonnage « best-of-N » apparié en calcul.
- Les performances ont atteint leur pic à 5 tours de raisonnement ( $N=5$ ) ; des itérations excessives ont conduit à une dégradation.
- L'augmentation du nombre de vérificateurs ( $K_v$ ) et de propositeurs ( $K_p$ ) a amélioré les performances jusqu'à un certain point (3 agents chacun), après quoi des rendements décroissants ou une légère dégradation ont été observés.
- La mémoire structurée (préservant l'historique à travers les tours) était critique, surpassant les conceptions de mémoire sans état ou « dernier tour uniquement ».

Signification et Revendications

L'article positionne RMA comme une avancée inspirée par l'usage en IA pour la découverte scientifique. Les auteurs affirment que le cadre démontre que les conceptions agentiques sont une direction prometteuse pour faire progresser l'IA vers un raisonnement mathématique ouvert.

Les points clés soulignés par les auteurs incluent :

Au-delà des Mathématiques de Compétition : Le passage de la résolution de problèmes de compétition à l'évaluation de la capacité de l'IA à contribuer à la découverte mathématique nécessite une approche architecturale différente, spécifiquement celle qui intègre l'ancrage dans la littérature et le raffinement itératif.
Interaction plutôt que Composants : Les gains de performance sont attribués à l'interaction des modules de raisonnement structurés, du raffinement itératif et des commentaires basés sur les vérificateurs, plutôt qu'à la force d'un composant unique.
Humain dans la Boucle : Le système est conçu comme un assistant pour aider les chercheurs à explorer des stratégies et à organiser la littérature, et non comme un remplacement du jugement expert. Les auteurs reconnaissent que la vérification experte reste nécessaire pour valider les hypothèses et les citations, car les LLM peuvent encore produire des arguments convaincants mais incorrects.
Reproductibilité : La conception modulaire et la structure de mémoire partagée rendent le processus de raisonnement inspectable, permettant aux utilisateurs d'auditer l'origine des affirmations et le flux de la construction de la preuve.

Les auteurs concluent que, bien que RMA représente une étape significative en avant, le domaine nécessite une expansion continue des benchmarks, une analyse des compromis coût-précision et des protocoles d'évaluation transparents pour réaliser pleinement le potentiel de l'IA dans la recherche mathématique.