アレーテイアは自律的にFirstProofに取り組む。

Aletheia tackles FirstProof autonomously

February 24, 2026

著者: 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

要旨

我々は、Gemini 3 Deep Thinkを駆動とする数学研究エージェントAletheia（Feng et al., 2026b）の、初開催されたFirstProofチャレンジにおける性能を報告する。チャレンジの規定時間内に、Aletheiaは専門家の多数評価により、10問中6問（問題2, 5, 7, 8, 9, 10）を自律的に解決した。ただし、問題8については専門家の評価が一致しなかった点を付記する。完全な透明性のため、我々のFirstProof解釈を説明し、実験の詳細および評価方法を開示する。生のプロンプトと出力は https://github.com/google-deepmind/superhuman/tree/main/aletheia で公開されている。

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.