问题——长期以来，机器数学几何领域的能力大多局限于被动解题。尽管近年来国际上出现了一些在几何证明上表现优异的系统，但它们普遍依赖大规模合成数据和高成本算力，本质上仍是对现有题型和策略的强化学习与组合搜索，难以稳定生成新颖、结构优美且符合竞赛标准的新题目。对数学研究和教育来说——解题能力只是基础——能否提出高质量的新题目更能体现对知识结构和解题逻辑的深层理解。 原因——论文作者介绍，“通矩模型”将研究重点从单纯扩大搜索规模转向提升表示与推理的内效率。该系统能够在庞大的几何配置空间中筛选出具备“可证明性、难度梯度和结构美感”的候选命题，并通过内部检验机制确保题目的质量和可解性。同时，团队提出的“规范化表示”技术对几何对象和关系进行统一编码，显著压缩搜索空间，减少冗余路径，有效缓解传统自动证明中的路径爆炸问题。此方法使得系统无需依赖超大规模算力集群，仍能实现高效推理和稳定求解。 影响——研究表明，“通矩模型”不仅能高水平解题，还能生成新颖且规范的命题，标志着几何推理从“模仿与求解”向“生成与创造”迈进。在算力效率上，实验数据显示，该系统仅需单张消费级显卡即可限定时间内完成高难度竞赛几何题的推理，表明了我国在自动化推理核心方法上的自主研发能力。对基础研究来说，这类系统有望成为数学家和教育工作者的辅助工具，既能帮助验证命题、探索证明路径，也能用于构建更科学的题库体系，推动分层教学和评测标准化。 对策——为继续推动科研与产业应用，业内人士建议从三上改进：一是加强开放评测与标准建设，建立覆盖不同难度、几何体系和证明风格的权威测试集，确保解题”“证明”和“出题”能力的可比性和可复现性；二是加强与教育、科研机构的协作，将系统命题纳入专家审核和教学实践闭环，形成“生成—筛选—应用—反馈”的迭代机制，避免低质量题目带来的误用风险；三是提升系统的可解释性与可靠性，明确其在证明严谨性、适用条件和失败情形下的提示机制，确保学术和教学场景中的安全可控。 前景——随着自动化推理从几何证明向更广泛的数学领域延伸，下一阶段的竞争焦点将从单纯依赖算力转向表示、推理与生成的协同优化。能够同时提出问题和解决问题的系统，有望在科学发现、工程设计和复杂系统验证等领域开辟新的应用场景：在科研中辅助提出可检验的猜想、快速筛选研究方向；在工程中支持形式化验证和复杂约束下的方案推导；在教育中提供更符合学习曲线的个性化训练内容。此次成果也表明，坚持基础理论创新与工程实践并重，走自主可控的技术路线，能够在关键领域形成可持续的竞争优势。
通矩模型的问世不仅是一项技术突破，更是中国科研创新能力的体现。它证明了在关键领域的自主研发中，我们完全有能力实现从追赶到超越的跨越。未来，随着人工智能技术的深入发展，类似的原创性成果必将在更多基础学科和应用领域涌现，为人类探索和改造世界提供更强大的智力支持。