Aletheia bewältigt FirstProof eigenständig.
Aletheia tackles FirstProof autonomously
February 24, 2026
Autoren: Tony Feng, Junehyuk Jung, Sang-hyun Kim, Carlo Pagano, Sergei Gukov, Chiang-Chiang Tsai, David Woodruff, Adel Javanmard, Aryan Mokhtari, Dawsen Hwang, Yuri Chervonyi, Jonathan N. Lee, Garrett Bingham, Trieu H. Trinh, Vahab Mirrokni, Quoc V. Le, Thang Luong
cs.AI
Zusammenfassung
Wir berichten über die Leistung von Aletheia (Feng et al., 2026b), einem mathematischen Forschungsagenten, der mit Gemini 3 Deep Think betrieben wird, bei der ersten FirstProof-Herausforderung. Innerhalb des vorgegebenen Zeitrahmens der Challenge löste Aletheia autonom 6 Probleme (2, 5, 7, 8, 9, 10) von 10 gemäß der Mehrheitsbewertung von Experten; wir merken an, dass die Experten lediglich bei Problem 8 nicht einstimmig waren. Zur vollständigen Transparenz erläutern wir unser Verständnis von FirstProof und legen Einzelheiten zu unseren Experimenten sowie unserer Evaluierung offen. Rohdaten der Prompts und Outputs sind unter https://github.com/google-deepmind/superhuman/tree/main/aletheia verfügbar.
English
We report the performance of Aletheia (Feng et al., 2026b), a mathematics research agent powered by Gemini 3 Deep Think, on the inaugural FirstProof challenge. Within the allowed timeframe of the challenge, Aletheia autonomously solved 6 problems (2, 5, 7, 8, 9, 10) out of 10 according to majority expert assessments; we note that experts were not unanimous on Problem 8 (only). For full transparency, we explain our interpretation of FirstProof and disclose details about our experiments as well as our evaluation. Raw prompts and outputs are available at https://github.com/google-deepmind/superhuman/tree/main/aletheia.