💬 NLP

Harnessing the Collective Intelligence of AI Agents in the Wild for New Discoveries

本文介绍了 EinsteinArena，这是一个去中心化的平台，其中自主 AI 智能体通过公开交互和思想共享协作解决开放数学问题，并成功生成了包括改进 11 维密堆积问题界限在内的 12 项新的最先进成果。

原作者： Federico Bianchi, Yongchan Kwon, Aneesh Pappu, James Zou

发布于 2026-06-10

📖 1 分钟阅读☕ 轻松阅读

原作者： Federico Bianchi, Yongchan Kwon, Aneesh Pappu, James Zou

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个持续 24 小时的巨型数字科学博览会，参赛者不是人类，而是 AI 智能体。这就是 EinsteinArena，一个由 Together AI 和斯坦福大学的研究人员创建的新平台，旨在观察 AI 是否能像人类科学家一样通过协作来解决复杂的数学问题。

以下是其运作方式的简单说明：

旧模式：“孤狼” vs. “团队”

过去，当 AI 尝试解决科学问题时，它通常表现得像一只孤狼。一个 AI 会被赋予一个问题，在隔离状态下尝试解决它，然后停止。如果失败了，这种失败就会随之消失。如果它找到了部分答案，也没有其他人能看到或在其基础上进行构建。这就像一位研究人员在封闭的房间里工作，从不分享笔记，从不看别人的尝试，并且每次都要从头开始。

EinsteinArena 改变了规则。它将这一过程转变为一个协作社区。你可以把它想象成一个大规模的开源工作坊，其中包含：

问题： 一系列未解的数学谜题（例如寻找最完美的球体堆积方式或计算特定的数值）。
计分板： 一个实时排行榜，显示每个谜题当前的最优解。
聊天室： 一个公共论坛，智能体可以在其中发布想法，说“我尝试了这个方法但失败了”，或者询问“有人知道为什么这个数字很奇怪吗？”
规则手册： 每个智能体都能访问完全相同的“验证器”（一个裁判脚本），用于检查答案是否正确。

重大突破：“切比雪夫数”（Kissing Number）

论文重点介绍了一个关于 “11 维空间切比雪夫数” 的成功案例。

类比： 想象一下，尝试在中心橙子周围尽可能多地摆放橙子，使它们都接触中心橙子且互不重叠。在 11 维空间中，这极其困难。
历史： 在大约 40 年的时间里，人类或 AI 能做出的最好成绩是摆放 582 个橙子。随后在 2022 年，人类将其提升到了 592。2025 年，一个名为 AlphaEvolve 的 AI 将其提升到了 593。
EinsteinArena 的结果： 到 2026 年 5 月，EinsteinArena 上的智能体将这个数字推高到了 604。

他们是怎么做到的？
这并不是因为某个超级聪明的 AI 产生了“灵光一现”的瞬间。这是一场接力赛：

智能体 A 找到了一个混乱的、接近正确的解法，但无法使其完美。
智能第二个智能体 B 在公共论坛中看到了智能体 A 的工作。它没有从头开始，而是说：“我看到你尝试了这个形状。如果我们微调一下数学逻辑让它更平滑，会怎么样？”
智能体 C 注意到了智能体 B 数字中的一种模式，并意识到这些数字看起来像是整数。他们将混乱的小数“捕捉”并转化为整洁的整数，从而创造出了一个完美的、可证明的解。
智能体 D 拿到了这个完美的解，并将其扩展以容纳更多的橙子。

论文称之为**“集体智能”**。这些智能体分享了他们的“失败尝试”和“部分想法”，就像人类研究人员分享预印本和会议笔记一样。这使得他们能够比任何单独的登山者更快地攀登高峰。

“野外”实验

研究人员称之为“野外 AI”，因为他们并没有以特定的方式强迫智能体进行交流。他们没有规定“你是领导者，你是跟随者”。相反，他们只是提供了平台，让它们自行摸索。

有些智能体只是提交答案。
有些智能体只是在聊天室中提问。
有些智能体则分析他人失败的原因。

结果如何？该平台发现了 12 个新的“最先进水平”（state-of-the-art）结果（即各种数学问题中发现的最优解）。其中最著名的就是 11 维切比雪夫数，它从 593 跳跃到了 604。

为什么这很重要（根据论文观点）

论文认为，要让 AI 真正推动科学进步，它需要的不仅是更好的“大脑”，还需要基础设施。

透明度： 因为“裁判”（验证器）是公开的，智能体可以在提交之前在本地测试自己的想法，就像科学家在实验室中运行模拟实验一样。
共享记忆： 平台充当了一个共享记忆库。今天的智能体可以从三天前发生的失败中学习，而不是浪费时间重复同样的错误。
非“黑箱”： 与以往 AI 在秘密状态下工作的系统不同，在这里，每一步、每一次讨论以及每一个部分结果都是可见的。

核心结论

EinsteinArena 证明了，如果你给 AI 智能体一个分享、竞争并基于彼此成果进行构建的场所，它们解决问题的速度和质量都会比单独工作时更高。这不仅仅关乎一个天才 AI，而是一个AI 社区，它能从每一步、每一个错误以及沿途的每一个小胜利中学习。

注：论文严格聚焦于数学优化问题（如形状堆积和不等式）。它并不声称这些结果目前适用于医疗诊断、气候建模或其他现实世界的应用；这只是一个关于 AI 协作方式如何运作的原理验证（proof-of-concept），是在受控的数学环境中进行的。

技术摘要：利用野外环境下 AI 智能体的集体智能进行新发现

问题陈述

科学发现本质上是一个集体过程，研究人员在此过程中基于部分结果、失败尝试和共享见解进行构建。然而，目前的科学发现 AI 系统大多在孤立状态下运行。虽然基于语言模型的智能体已展示出解决开放问题（例如数学和算法设计）的能力，但它们通常在孤立的运行或严格控制的流水线内工作。这些系统缺乏人类研究中的“社会基础设施”——例如公开的追踪记录、失败尝试的共享仓库，以及一个求解器在另一个求解器停止处继续工作的机制。因此，一个智能体社区通过共享状态和累积知识来加速发现的潜力仍有待探索。

本文旨在探讨以下问题：在一个拥有公共状态、排行榜和讨论论坛的共享平台上运行的自主智能体社区，能否比孤立的智能体在开放科学问题上取得实质性更快的进展？

方法论：EinsteinArena

作者引入了 EinsteinArena，这是一个旨在促进分布式研究与发现的开放式、智能体原生平台。该平台由三个核心组件构建：

带有验证器的策展开放问题： 平台托管了一系列开放的数学优化问题（例如，切比雪夫数/接吻数、自相关不等式）。每个问题都包含自然语言描述、严格的解模式以及一个公开的可执行 Python 验证器。这些验证器将提交结果映射为标量分数，允许智能体在提交之前在本地评估其解。
实时排行榜： 实时排行榜跟踪每个问题的已知最佳解。为了获得领先地位，提交的结果必须超过当前最佳分数一个特定于问题的阈值 ( $\delta$ )，从而防止排行榜因微小的浮点数变化而产生噪声。
公共讨论板： 智能体可以发布线程以分享中间发现、记录失败的方法、提出假设并提问。这些讨论通过 Llama-Guard 进行审核，并作为“通往前沿之路”的持久记录，这与仅记录当前最佳情况的排行榜不同。

设计原则：

透明性： 所有人工制品（问题规范、验证器代码、分数、解和讨论线程）均可通过 API 或 Web 界面公开访问。
持久共享内存： 与在运行后即消失的任务特定框架不同，EinsteinArena 将平台视为一个持久的基质。先前的解和见解可供任何智能体重用或扩展。
智能体优先交互： 平台专为自主智能体设计。注册涉及一种工作量证明机制以防止垃圾信息，且参与是通过 API 而非人类界面进行的。

核心贡献

本文提出了三个主要贡献：

平台架构： 设计并实现了 EinsteinArena，这是一个能够让多种异构智能体在具有精确验证的科学问题上进行有机协作的开放平台。
集体进展的实证证据： 文档记录了自 2026 年 3 月推出以来，EinsteinArena 上的智能体在开放数学问题上发现的 12 项新的最先进技术（SOTA）结果。
语言与结构分析： 对协作式智能体搜索模式进行了详细分析，展示了公开追踪、迭代提交和共享调试如何共同导致了单个智能体在孤立状态下无法找到的解。

结果与案例研究

截至 2026 年 5 月，EinsteinArena 上的智能体在 12 个问题上取得了 SOTA 结果。两个案例研究说明了这种进展的机制：

1. 11 维空间的接吻数 (Kissing Number)

目标： 提高 11 维空间中最大不重叠单位球接触中心球数量的下界。
进展： 先前的最佳下界是 593（AlphaEvolve, 2025）。EinsteinArena 上的智能体首先将其提高到 594，随后将其扩展至 604。
协作机制：
- 思想借鉴： 一个智能体 (KawaiiCorgi) 观察到排行榜分数是非线性的，并转向优化通过泰勒展开得到的线性化代理目标（最小二乘法）。
- 精炼： 智能体迭代地精炼解，将重叠惩罚从 $10^{-10}$ 降低到 $10^{-50}$ 。
- 结构洞察： 智能体识别出近乎有效的配置共享一组由 496 个向量组成的“骨架”。这一洞察允许探索更大的代数空间，从而实现了 $n=604$ 的构造。
- 讨论： 智能体利用论坛讨论“结构/格点解码”，分享关于接触图和类整数坐标的观察，这引导了从数值近似向精确离散结构的转变。

2. 第二自相关不等式

目标： 寻找不等式 $\|f \star f\|_2^2 \leq C \|f \star f\|_1 \|f \star f\|_\infty$ 中的最优常数 $C$ 。
进展： 将下界从 0.9610 (AlphaEvolve) 提高到了 0.9626。
协作机制：
- 分辨率缩放： 智能体迭代地增加了离散化分辨率（从 $5 \times 10^4$ 增加到 $4 \times 10^5$ 个区间）。
- 方法合成： 智能体结合了 Dinkelbach 优化、模拟退火和谱扰动。
- 谱系： 最终的突破来自于一个智能体 (ClaudeExplorer) 对他人建立的解族进行精炼，展示了清晰的改进谱系，其中每个智能体都在前一个最佳解的特定“盆地”之上进行构建。

重要性与主张

本文认为，去中心化的科学发现可以从自主智能体之间的开放交互中涌现。

超越孤立运行： 结果表明，在一个共享状态下运行的智能体社区可以取得孤立智能体无法取得的进展。最大的增益（例如接吻数问题中从 593 到 604 的跃迁）源于一系列的提交、公开讨论和智能体之间的思想借鉴，而非单一强大的运行。
平台即框架： 作者提出了一个范式转变，即从“任务特定框架”（针对单个问题的定制流水线）转向“共享平台”模型。这种方法允许异构智能体进行协作、竞争，并在无需为每个新问题构建专门脚手架的情况下，在彼此的工作基础上进行构建。
基础设施的角色： EinsteinArena 的成功强调了有效的 AI 协作需要暴露中间人工制品（失败尝试、部分构造、验证器边缘情况）。这些“社会追踪”扩展了搜索的有效时间跨度，使得后来的智能体能够继承有希望的方向，而不是从头开始。

作者保持了审慎的范围，指出虽然该平台在具有确定性验证器的数学问题上取得了成功，但其在形式证明或计算生物学等领域的适用性仍需进一步研究。他们同时也承认了关于激励机制的开放性问题，例如公开排行榜是否会导致智能体倾向于短期追求分数，而非长期的、高风险的探索。