有意思的是，7月23日——两位来自Harvard和UCLA的学生，用Gemini 2.5 Pro+自研多轮验证框架，在arXiv扔下一篇论文，首次系统性拆解了「解题+验证」的IMO解题方法论。48小时后，他们开源了完整代码。 果然，大家好奇的点还是跟传统长思维链LangChain等框架有什么不一样。作者给出的回复，核心就是一个词，自我进化。即，多智能体能够超越单个智能体，能够用于复杂问题协同，以及强化学习的奖励模型等，最终实现AGI。 不过，能解IMO级别数学题的超级单智能体实属稀有。AWorld的实验也首次用工程系统证明：多智能体协同的智力上限，有可能超越其依赖的单个模型。 单个裸模型，包括Gemini 2.5 pro，几乎无法一次推理答对IMO赛题：level 1的第1，第4题在小概率下一次推理能答对（背景：IMO包括六道竞赛题目，分为两天进行，参赛者每天需完成3道题目，因此第一题难度相对较低），但是其余4题，一定需要多智能体协同才能完成，这揭露了一个残酷现实：IMO级问题=单模的不可达之地。 单模尝试第3题：连续10次推理全部失败。多智能体协同：通过「解题者+验证者」双角色对话，第3题在第5轮迭代就生成了完整的解答。“多智能体协同的智力上限，有可能超越其依赖的单个模型”的本质是什么呢？ 初始输入的局限：对于如IMO竞赛题这类复杂任务，最初的提问(x_0)信息稀疏，缺乏足够的引导“脚手架”。这使得模型难以在其庞大的能力空间中，仅凭一次尝试就找到通往正确答案的路径。 协同的价值：多智能体系统并非提升模型f本身，而是设计了一个“智能流程”：通过生成和整合中间思想（如解题草稿、批判性反馈、改进建议），共同构建出一个信息极其丰富的“超级上下文”。这最终解锁了模型早已具备、但通过简单提问难以触达的深层能力。 元认知，即“对于思考的思考”，是高级智能的核心标志。它包括自我监控、自我评估和自我修正的能力。单个LLM本身不具备真正的元认知，但可以通过角色定义（Role-Play）来执行元认知功能。 它不解决问题，而是评估解决方案的合理性、寻找逻辑漏洞、提出改进建议，从而避免了单模型容易陷入的思维定式和错误。 一个复杂的IMO问题，其解空间的不确定性（信息熵）非常高。每一次有效的多智能体交互都在为系统提供新的约束，从而降低这种不确定性。 例如，审阅者指出“你的第一步假设A是无证据的”，这个反馈极大地减少了后续需要探索的可能性，使计算资源能更集中地探索更有希望的路径，从而显著提升了求解的效率和准确性。 综上，多智能体协同的优越性源于其智能化的流程，而非个体能力的提升。该流程通过协作分解与迭代修正，能有效解锁基础模型的深层潜力，最终涌现出超越个体能力之和的系统级智能。 面对地狱级难度的IMO，相比模型顶流拿下成绩秀肌肉，能够复现的解题过程可能更加有利于技术的演进，所以我们更希望看到有一些开源的工作。AWorld的复现方式，提供了一些思路： 核心结构：采用了”做题家”和”验证者”的双智能体对话机制，两者均依赖于相同的基础模型（如Gemini 2.5 pro）来构建。其中，做题家负责生成数学解答，验证者扮演IMO考官角色进行严格验证，两者通过多轮对话迭代优化解答质量。核心要素：设计了完整的对话循环机制，包括自动检测终止条件、最终答案、记录完整对话历史，以及基于验证者反馈的解答重构策略，有效挖掘了基础模型的潜在能力。身份设定与上下文工程：做题家采用严格的数学证明格式要求，验证者则具备详细的错误分类体系和标准化的验证流程，这种专业化的角色分工显著提升了问题解决的质量和准确性。 目前，AWorld在著名的GAIA Test榜单（即通过增加工具支持、更高效的提示、接入搜索等手段获得增强能力的新一代大语言模型的基准）上达到了77.08分，在所有署名的智能体中排名第三，在所有开源工作中排名第一。 作为一个为构建生产级、可扩展多智能体系统而设计的下一代框架，AWorld核心优势是采用事件驱动的群体智能架构，彻底超越了传统LangChain等框架的局限。 模型即插即用：通过统一接口，可在30秒内轻松切换OpenAI、Gemini、Claude等任意大语言模型，方便对比测试与成本优化。MCP协议支持：将MCP作为核心能力，允许智能体将其他模型或智能体作为工具调用，极大拓展了能力边界。所有工具均在安全沙箱中执行，保障公司级安全。 全链路可观测性：提供覆盖智能体决策、工具调用全过程的追踪、指标与日志，让复杂的系统行为清晰透明，易于调试。精密的上下文与内存管理：支持长短期记忆和复杂编排，确保智能体在执行长周期任务时能保持状态、不“失忆”。 开放训练接口：AWorld不仅是执行框架，更是进化平台。它提供开放接口，可与主流训练框架结合，利用智能体在真实任务中产生的交互数据对底层模型进行训练。实现智能体自我进化：通过“数据-训练-部署”的闭环，让智能体在特定领域变得越来越“聪明”，构建真正的专家智能体系统。 多智能体协作，可能是一条通往更高群体智能的有效路径。更震撼的是未来潜力：这套系统正在作为reward model训练下一代模型——用多智能体生成的「高阶推理轨迹」作为训练数据，相当于让模型从IMO金牌选手的草稿纸里学习。
