谷歌最新发布的一篇技术长文, 发出了一份让人难以置信的成果单, 不是算力了得的旗舰模型, 而是一款主打「快与廉价」的轻量级模型。

这次扛大梁的主角叫做3.7 Flash, 谷歌官方定调: 这算是Flash级模型头一回给出博士级别的数学研究成果。假使单看末端结果, 你难以忍住要怀疑这背后是否还藏着半分啥子没法公开的神秘大模型。

硬核数学成果逐一拆解

这7项数学与理论计算机科学的成果, 最初全部被3.1 Pro的长证明模式拿下的是全部最初成果, 其中被3.7 Flash完整复现了的、最惊艳的是当中的3项, 包括ℓp子空间近似的构造以及最大内积嵌入的维度下界, 还有将量化方法的领先常数直接压低约5.93倍的。

由3.1 Pro独立完成的剩下4项, 涵盖稀疏凸优化的条件数下界、前缀矩阵分解的近似最优下界、Knuth’s难题, 还有断网条件之下独立重现的Erdős单位距离问题。

评测分数再创新高

那款刷新特谷歌内部纪录的71%那个最高分, 是由特3.7 Flash与特3.1 Pro特强强联手跑出来的。这个特成绩超越了上一代特3.6 Flash配合特3.1 Pro时拿到的特67.7%新纪录。

数据说明个问题: 只要把编排框架搭对, 主打轻量且体量小巧的小模型, 完全有能力把那些出自专门为高端旗舰型号研发模型所产出的各类研究成果给重新跑通来一遍。

代码优化被上游正式合并

于代码层面, 3.7 Flash顺手优化了Eigen库和两大主流开源库的核心代码, 改动直接被上游维护者正式合并；这不是闭门造车自嗨的跑分, 而是经过严格开源代码评审的真代码。

在并发哈希表项目中, 团队引入的Swiss Table优化思路让64线程初始插入吞吐量直接翻倍, 单线程整体吞吐提升1.5倍, 同时每个元素还少用了25%的内存。

让AI互相挑刺才是关键

这些迷你模型之所以能散发出惊人算力, 核心不是参数级别高低, 而在组织架构。你单凭一个输入, 就会自行抓取提示内容组件一个由多个AI角色搭建的协同矩阵, 一运行就是半天地甚至两三天。

这套系统底层逻辑是「乱序执行」——现代高性能CPU的标配思路。先确保微架构功能正确, 自主编写乱序流水线和重排序缓冲, 成功把xv6操作系统启动到Shell层面。

长期证明模式的机制设计

数学成果全来自「长期证明」模式, 它的设计思路反倒极其反直觉。不靠堆砌参数, 反倒让一群Flash模型聚在一道互相挑刺、抬杠、找软肋。被反驳到体无完肤的方案不会直接进回收站, 反倒带着完整的反对意见留在流程里。

从确定靠谱策略那一刻起系统将其拆成若干带依存关系的子问题, 勾绘成严谨的拓扑图谱。各子问题内部开启晋级淘汰赛, 节点阅览待选方案的同时查看批判意见, 通力揉搓出升级版本。

陷阱登记簿与知识沉淀

未成功的草稿要原样留存至下一轮次, 校验核验器经受过的所有坑洼都会被录入「陷阱登记簿」。已走过的绝路和已被证实的论断要及时同步到共用知识库, 给全体成员随用随调。

这套流程与其被当成冰冷的超级大脑, 倒不如说是复刻了一场极其残酷绝不容许任何人浑水摸鱼的学术组会。早先AI一不小心带偏节奏之时其他AI只会盲目附和最终就会在错误地基上越盖越高。

高德纳证明引发震动

今年2月底, 仅用约一小时就给出奇数情形构造的某模型, 逼得高德纳在他的论文开头连写两个「Shock！」谷歌为偶数情形找到了两个更优雅、更简洁的全新构造, 且附上两份长达40多页和70多页的完整证明。

就里那40来页紧实干货的硬核证明撑过了Lean形式化的核验, 连器械都完全挑不出任何问题。谷歌没有选择补全某单个聚在一起模型里面隔绝封闭的孤岛智商, 而是经由体制化的博弈和摆布协调, 完全解决了多智能体协作之中拧不成一股绳、彼此应和相随的久治不愈的头疼难题。

形式化验证成为标配

高德纳本人给他所构造找到的手写证明, 后来得知有人用Lean进行验证后, 他说「这真是件超好的事」, 因为自己最近越来越容易出错。连满88岁的图灵奖得主的证明都要过验证器那一关, AI写就的证明更不能例外。

软件模拟器的成果同样扎实, 跑通过了一百多RISC-V标准基准测试。在没见过的测试负载上, 跟BOOM硬件的平均周期误差仅为零点七一个百分点。

人类始终握有方向盘

证明由谷歌内部智能体系统先完成, 再由作者核验及编辑完成, 无数草稿之中智能体负责疯狂探索, 人类负责最终验收和签字。

谷歌解释道的清楚: 这些问题原本要顶尖专家用上多月啃的几，压缩的是试错周期, 可方向盘和最后签字权力永远都在人的手里。AI科研的下半场, 比拼的早已经不是谁的模型参数规模更大, 而是谁的AI团队协作模式更为先进。

瞧过谷歌此番的成果后, 你认为来日你的工作里哪些步骤能被相像的多智能体协作模式取代? 恳请在评论区分享你的看法, 若觉得有用记得点赞与转发啊！