MaxProof

MaxProof 把竞赛数学证明做成生成-验证-修复一体化的 population-level test-time scaling。M3 模型训练 proof generation、proof verification 和 critique-conditioned repair，测试时同一模型在候选证明群体上担任 generator、verifier、refiner、ranker 并用 tournament selection 输出最终证明。论文报告 IMO 2025 得 35/42、USAMO 2026 得 36/42，超过两个比赛的人类金牌阈值。