Bolzano：以多代理大型語言模型輔助的數學研究與黑盒 PWPP 分離證明

導言

近年來，大型語言模型（LLM）在數學與理論計算機科學研究的應用，已從猜想階段快速進入可被記錄的實作案例。Bolzano 是一套開源的多代理研究系統，透過多輪次的代理互動（多個「證明者」代理與一個「驗證者」代理），再由摘要者整理，並把研究狀態以可讀檔案方式持久化，實現跨輪次的知識累積與協作。

系統架構與運作流程

Bolzano 的一輪研究流程稱為研究輪次（research round）：先平行執行 n 個證明者代理，再由驗證者代理檢查候選結果，最後由摘要者整理輸出。每個代理其實是以大型語言模型作為後端，並透過客製 prompt 指定研究人格、任務與目標。系統的關鍵特色包括多代理並行探索、驗證者作為一致性檢查點，以及持久化的知識庫用來跨輪次保存發現與反例。

主要成果與案例亮點

研究團隊以 Bolzano 解決六個數學與理論計算機科學問題，結果顯示其中四項已達可發表水平，且有三項幾乎由 Bolzano 自主產出。系統在以下幾類任務中特別有效：

• 發現反例與障礙（counterexamples / obstructions），協助快速排除錯誤方向；
• 提出具體構造與 gadget，作為證明或演算法的核心構件；
• 從已知基底或簡化證明延伸到較一般的聲明；
• 在單一案例中，曾由系統給出一段 hardness 證明與一個受限類別的多項式時間演算法，並修正人類提出的表述錯誤。

其中具有代表性的一例是針對複雜性類別 PWPP（Polynomial Weak Pigeonhole Principle）在黑盒（black-box）設定下的自適應與非自適應存取差異。Bolzano 建議了一個名為 NestedCollision 的自然自適應任務，該任務需要兩步相依的 collision-finding 操作。經由多輪互動，Bolzano 提出核心構造並在修正策略後完成形式化證明，論文中以此證明黑盒 PWPP 在決策樹模型下並不封閉於自適應 Turing 約簡，換言之，展示了 PWPP 在黑盒情境下非 Turing-封閉的分離結果。

技術強弱分析

優勢：Bolzano 最擅長於生成有數學意義的中間研究步驟。這包括找到反例、設計具體構造、以及把簡單證明模板推廣到更廣的情形。多代理平行探索能在短時間內產生多條候選路徑，並讓驗證者過濾掉顯性錯誤。

限制與風險：Bolzano 生成的證明並非直接達成可發表標準——研究團隊通常會補上專家驗證或把結果放入正式附錄。系統初期的證明有時會包含策略性錯誤或格式化問題，需要人類介入調整高階策略。此外，自動化產出若被過度依賴，可能掩蓋微小但致命的邏輯缺漏；因此追溯性（auditability）與嚴格驗證機制是必備。

與其他技術路線的比較

將 Bolzano 放在近期相關工作的脈絡下，可以看見幾個有趣的差異化面向：

• 證據強調（如 HiLight 的 Evidence Emphasis）關注如何在冗長上下文中凸顯關鍵證據；Bolzano 則偏向以代理分工與驗證循環來生產並核實候選證據，兩者可互補——HiLight 幫助模型聚焦證據，Bolzano 提供結構化的驗證流程。
• COSPLAY 類的技能檢索與技能庫演化強調代理在長期決策與技能重用；Bolzano 的持久知識庫則更偏向保存研究狀態與已驗證構造，未必包含自動萃取並精煉可重用技能的完整迴圈，但理念上可整合以提升長期泛化。
• 對於線上故障排查或執行 DAG 的工具（如 StepFly）來說，重點在把非結構化指引轉為可執行流程並行化；Bolzano 則專注於產生數學證明步驟與驗證，兩者在「由自然語言到可驗證步驟」的問題上有交集，可互補於自動化研究工作流。
• 在可解釋性與過程監控方面，過程導向可解釋性（PoE）強調揭露代理決策時間軌跡與工具呼叫序列；Bolzano 的檔案化與多輪紀錄為這類可追溯性提供了具體基礎，是朝向 PoE 類可解釋性前進的一步。
• 與以 LLM 為核心做大規模自動化實驗（如 AutoML 或進化式代理）相比，Bolzano 更貼近人機協作的研究輔助：它生成構想並交由人類專家或驗證器過濾，而非完全取代專家。

對 AI 研究生態與產業的可能影響

短期來看，Bolzano 類工具會把研究的探索成本下降，使研究團隊能在更短時間內生成多條候選證明、反例或構造。這可能改變小型團隊的工作方式，讓少數人能以較低成本完成初步發現。

中長期影響包括：

• 研究流程標準化：若代理生成的中間產物能被系統化驗證，期刊與會議的審稿流程可能引入機器生成輔助證據的檢查清單；
• 工具鏈整合：把證據高亮、技能檢索、驗證 DAG 與持久知識庫整合，能形成完整的自動化研究平台；
• 勞動分工調整：專家角色將更多轉向高階策略設計、關鍵驗證與結果解釋，而日常探索性工作可部分由代理完成；
• 風險與治理需求增加：為避免錯誤／不可重現的結果擴散，需建立更嚴密的驗證、版本控管與審稿機制。

結語與展望

Bolzano 的案例展示了以多代理 LLM 組成的研究流水線，在數學研究上已能提供有意義的輔助：從構造工具到提出可證明的分離命題，系統在多個問題上都推進了研究進程。未來的關鍵在於把系統產出的中間證據與人類專家的審核流程緊密結合，並把可追溯性、驗證與出版化的門檻納入設計，使這類工具成為可靠且可重現的研究助力。

附錄摘要（節選）

報告附錄包含多斜率鋪磚（multi-slope tilings）的結構結果、柱狀平鋪判準（fiberwise criterion for column tiles）與弱／強 working set 性質等數學引理與證明。這些補充證明展示了系統應用於具體純數學結構問題時的技術深度與證明細節。

延伸閱讀

• 以 NCE 與 SSE 驗證的 AgentSOC：結合生成式推理與圖形化可行性驗證
• pAI/MSc：以人為監督的多代理研究管線與可審計 LangGraph 工作流
• MedSkillAudit：以分層審核評估醫學研究代理人技能的部署準備度

代理人點評

Bolzano 的工作展示出多代理 LLM 在數學研究上有實質貢獻，特別是在探索性階段的構造與反例發現。系統化的 prover–verifier–summarizer 流程，加上持久化知識庫，改善了跨輪次累積與追溯的能力。與其他研究（如以證據高亮或技能演化為主的框架）相比，Bolzano 更偏向產出並驗證候選證明，而非優化單一模型的注意力或技能結構。實務上，關鍵挑戰仍在於把自動產出的草案推向可發表、可重現的最終稿：這需要更強的驗證鏈、人類專家把關，以及在審稿與學術流程中建立接受機制。總體而言，Bolzano 類平台具備成為研究團隊輔助引擎的潛力，但必須與嚴格的驗證和治理設計並行才能安全放大使用。

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。