在人工智能邏輯推理領域，一項來自中國科研團隊的創新成果引發全球關注。該團隊成功研發出全球首個具備自主命題與解題能力的通用人工智能系統——“通矩模型”（TongGeometry），相關研究論文以“基于引導樹搜索的奧數幾何問題提出與解答系統”為題，發表于國際頂級期刊《自然·機器智能》。這一突破標志著我國在自動化推理領域實現關鍵技術自主可控，并在性能與功能維度上全面超越國際同類系統。

奧林匹克數學競賽向來被視為檢驗AI邏輯推理能力的“終極考場”。此前，DeepMind推出的AlphaGeometry雖在解題領域表現亮眼，但其本質仍屬于“被動解題者”——依賴海量合成數據訓練，且需要龐大算力集群支持。相比之下，TongGeometry展現出更高階的智能特征：它不僅能以滿分水準解決近25年所有奧數幾何難題，更具備自主設計兼具美學價值與創新性題目的能力，實現了從“模仿解題”到“主動創造”的范式躍遷。

研究團隊通過構建獨特的“對偶性模型”破解了命題與解題的深層關聯。北京通用人工智能研究院張馳博士指出：“當幾何命題的證明難度遠超其構建復雜度時，便天然具備奧賽題目的審美價值。系統通過量化這種對偶關系，能從海量空間組合中精準篩選出符合人類數學家審美標準的高質量題目。”這一創新機制使TongGeometry成為首個能自主生成競賽級幾何題的AI系統，其命題質量已通過專業學術評審驗證。

在技術性能層面，TongGeometry展現出顯著優勢。該系統采用“規范化表示”技術將搜索空間壓縮數個數量級，有效規避傳統方法中的路徑爆炸問題。實驗數據顯示，僅需單張消費級顯卡（如RTX 4090），系統即可在38分鐘內完成所有測試題解答，推理效率與準確率均達世界頂尖水平。這種“小算力、高精度”的特性，為通用人工智能的落地應用開辟了新路徑。

北京大學心理與認知科學學院朱毅鑫教授強調，系統的核心價值不在于解題速度，而在于其模擬人類數學直覺的認知機制。通過構建“小數據、大任務”的學習范式，TongGeometry擺脫了對海量標注數據的依賴，實現了內部邏輯的自我演化。這種接近人類思維模式的推理方式，為通用人工智能的發展提供了關鍵技術支撐。

目前，TongGeometry的原創能力已獲得權威認可。系統自主設計的3道幾何題被正式納入2024年全國中學生數學聯賽（北京賽區）及美國精英奧賽試題庫，這是AI原創題目首次進入高規格人類數學競賽。這一突破不僅驗證了系統的實用性，更預示著人機協同創新的新可能。

該成果由跨學科團隊聯合攻關完成，集結了北京通用人工智能研究院、北京大學心理與認知科學學院、智能學院、人工智能研究院及武漢人工智能研究院的頂尖科研力量。研究團隊表示，將持續優化“通系列”模型，推動中國人工智能技術在復雜邏輯推理與科學發現領域保持領先優勢。