数学証明のスケールアップに革新：MaxProofが生成・検証RLを用いて難問を突破
本記事は、競技レベルの数学的証明における「テスト時スケーリング」フレームワークである「MaxProof」を発表しています。これは、MiniMax-M3シリーズというモデルに基づいた高度なシステムです。従来のM3モデルは、まず「証明生成」「証明検証」「批判条件付き証明修復」という三つの証明指向の能力を訓練しました。特に、偽陽性率が低いように設計された防御的深層（defense-in-depth）の生成型検証器を使用しています。これらの能力が統合され、単一のM3モデルとしてリリースされています。
MaxProofは、このM3モデルをテスト時において「ジェネレーター」「ベリファイア」「リファイナー」「ランカー」という複数の役割を持つものとして扱います。具体的には、候補となる証明群（population）に対して検索を行い、トーナメント選択を通じて最終的な最適な証明を導き出します。このMaxProofによるテスト時スケーリングの結果、M3モデルは「IMO 2025」（国際数学オリンピック）において42点満点中35点を、「USAMO 2026」（米国数学オリンピック）において42点満点中36点を達成しました。これらのスコアは、両大会における人間の金メダル獲得者の閾値を超えており、AIによる高度な数学的推論能力を示す画期的な成果です。
背景
本ニュースは、人工知能（AI）が極めて高度な認知タスクである「数学証明」の領域に本格的に進出していることを示しています。特に競技レベルの難問を扱うため、単なる知識検索ではなく、論理的な推論と検証プロセス全体をモデル化する必要がありました。
重要用語解説
- MiniMax-M3シリーズ: 本研究で用いられる基盤となるAIモデル群。証明生成、検証、修復という複数の能力を統合し、高度な数学的推理を行うことを目的として開発されました。
- テスト時スケーリング (Test-Time Scaling): モデルが実際に未知のデータ（この場合は難問）に直面した際、単一の出力に頼るのではなく、候補群全体から最適な解を選択・洗練させるプロセスを指します。AI性能向上に重要な手法です。
- 防御的深層生成型検証器 (Defense-in-depth generative verifier): 証明の正しさを確認する仕組み（検証器）が、単一のチェック機構ではなく、複数のレイヤーで多角的に防御・検証を行う構造を指します。これにより、誤判定（偽陽性）のリスクを極限まで低減しています。
今後の影響
MaxProofの成功は、AIが従来の計算科学やデータ処理を超え、高度な論理的思考が必要とされる研究分野（例：物理学、生物学など）に適用できる可能性を示唆します。今後の展開として、より複雑で未解決の問題への挑戦や、専門家による検証プロセスとの連携が進むと予想されます。