index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
谷歌DeepMind在赢得IMO金牌后，其Gemini模型团队的三位核心华人研究员Tianhe Yu、Cosmo Du和Weiyue Wang迅速离职，并转投Meta。此次人才流失发生在谷歌庆祝IMO金牌的第二天，凸显了AI领域的激烈人才竞争。文章还提到，微软也从谷歌DeepMind挖走了20多名顶尖研究员。此外，研究显示Gemini 2.5 Pro通过精心设计的提示工程，也能攻克IMO奥数难题。整个AI领域正朝着ASI（通用人工智能）阶段迈进，顶尖人才的争夺战愈发白热化，这预示着AI军备竞赛的进一步升级。
🌟 三位谷歌DeepMind核心研究员（Tianhe Yu、Cosmo Du、Weiyue Wang）在Gemini团队取得IMO金牌后迅速离职，并转投Meta，这表明AI领域的顶尖人才争夺战正变得异常激烈，也反映出Meta在吸引和招募AI人才方面的实力。
🚀 Gemini模型在IMO（国际数学奥林匹克）竞赛中取得金牌，标志着AI在解决复杂数学推理问题上取得了显著进展，这进一步推动了AI向ASI（通用人工智能）阶段迈进的进程，AI的“军备竞赛”已全面展开。
💡 研究表明，即使是通用大模型Gemini 2.5 Pro，通过精细的流程设计和提示工程（如分解问题、自我改进、多轮优化、指定解题方法如数学归纳法），也能够攻克高难度的IMO数学难题，这揭示了提升LLM解决复杂问题能力的新途径。
💼 Gemini团队研究员的背景深厚，如Tianhe Yu拥有斯坦福博士学位并参与了多项谷歌大模型和机器人模型开发；Cosmo Du是首席科学家，主导了Gemini的后训练和代码生成，并开发了Bard的早期版本；Weiyue Wang则专注于计算机视觉领域。他们的离职对谷歌是重大损失。
⚔️ 除了Meta，微软也被爆出从谷歌DeepMind挖走了20多位顶尖研究人员，这进一步证实了AI领域的“人才战”已经进入白热化阶段，各大科技巨头都在不遗余力地争夺最优秀的人才以保持技术领先地位。
【新智元导读】谷歌DeepMind刚拿下金牌后，3位Gemini核心研究员光速离职了。没错，这一次又是小扎干的好事。前脚刚夺下IMO金牌，后脚就被小扎抄家了。刚刚，Information爆料称，Meta从谷歌DeepMind金牌模型团队中，再次挖走了三位华人学者。这三人分别是Tianhe Yu、Cosmo Du和Weiyue Wang，一同参与了Gemini开发。而且，就在谷歌庆祝IMO夺金的第二天，三位研究员「闪电」离职，转投入Meta超级智能实验室。就在昨天，GDM的官宣博文中，详细列出了所有参与Gemini模型开发的研究人员。这些研究人员的含金量，不言而喻。讽刺的是，今早，微软也被爆出从谷歌DeepMind挖走了20多位顶尖研究人员。2016年，AlphaGO在围棋领域击败李世石；如今不到10年的时间，Gemini再次攻克奥数难题斩获金牌。不容置疑的是，这场AI军备赛，正向ASI阶段全面迈进，顶尖人才争夺战也变得愈发激烈。
官宣第二天，Gemini老将离职
被挖走IMO金牌模型团队三位研究员，都有怎样的背景呢？Tianhe Yu
Tianhe Yu现任谷歌DeepMind研究科学家。在GDM期间，Tianhe Yu曾参与了Gemini 2.5、初代Gemini、Gemini 1.5等全家桶的研发，甚至包括千亿参数大模型PaLM-E的开发。值得一提是，他还在谷歌RT-1、RT-2机器人模型上做出了贡献。他曾获得了坦福大学计算机科学博士学位，师从Chelsea Finn教授。本科毕业于加州大学伯克利分校，以最高荣誉同时获得计算机科学、应用数学与统计学三个学位。昨天，GDM公布IMO金牌结果后，Tianhe Yu本人也发文称，参与了Gemini Deep Think模型后训练、思维研发。他激动表示，「离ASI越来越近了」！Cosmo Du（杜宇）
杜宇在2017年便加入谷歌，任谷歌DeepMind首席科学家兼总监，专注于Gemini的后训练、思维与代码生成。他同样是Gemini 1、1.5、2和2.5的核心贡献者，并开发了Gemini-0801——谷歌首个在LMSYS排行榜上位列第一的模型。此前，他还主导了Bard/LaMDA的后训练工作，并开发了Bard首个内部版本。更早之前，他专注于任务型对话系统，帮助Duplex实现了10倍Scaling。他曾获得了浙江大学计算机科学博士学位，本科毕业于华东理工大学计算机科学专业。Weiyue Wang
Weiyue Wang任谷歌DeepMind研究工程师，在加入谷歌之前，她曾在Waymo担任软件工程师。
她曾获得了南加州大学博士学位，导师是Ulrich Neumann教授；获得了俄亥俄州立大学电子和计算机工程硕士学位；上交大EEE学士学位。她本人的研究专注于计算机视觉领域，特别是3D场景理解与重建。以下是所有参与谷歌IMO 2025系统的研究人员。上下滑动查看
我们让ChatGPT将核心负责人，以及Gemini Deep Think团队列出。有网友对此表示，GDM列出所有人名单有些太不明智了。
Gemini 2.5 Pro也能夺金
其实，不用Gemini Deep Think，Gemini 2.5 Pro也能拿下IMO金牌。来自加州大学洛杉矶分校副教授Lin Yang和Yichen Huang（黄溢辰）一起做了这个实验，并将结果发表在arXiv上。论文地址：https://arxiv.org/pdf/2507.15855他们通过精心设计的流程和提示工程，让Gemini 2.5 Pro也能攻克5道奥数难题。这究竟是如何做到的？研究人员的流程设计，一共分为了以下六步：· 初始解答生成：通过第3.1节的提示词生成初始解； · 自我改进：对初始解进行优化； · 验证：进入步骤4或步骤； · 验证检查：判断解的合理性； · 纠正：若验证失败，返回步骤3； · 接受或拒绝：最终决定是否采纳该解。
在初始阶段，需要多次运行Gemini 2.5 Pro以获取问题的若干初始解样本。这一采样过程类似于探索性尝试，希望至少有一个样本能部分接近正确解法。随后，再通过迭代优化这些解，最终筛选出高质量结果。具体而言，首先让Gemini 2.5 Pro尝试通过提示词解决问题，第二步中，模型被要求自我审查并改进其解答。尽管Gemini 2.5 Pro擅长数学推理，但作为通用LLM，它并非专为解决极高难度数学问题而设计。一个关键限制是思维预算：即使证明一个简单事实也可能消耗数千token，而Gemini 2.5 Pro的最大上下文token为32768，这通常不足以完整解决一道IMO试题。研究人员观察到，在第一步中模型几乎总会耗尽全部预算，导致无法完成完整求解。因此，他们将解题过程分解为多步骤，第二步的核心目标是通过额外分配32768 token的预算，让模型能够复查并延续其工作。实际监测显示，第二步的输出质量显著提升。接下来，验证器将参与迭代优化并决定是否接受改进后的解。详细指令参考，覆盖了核心要求、输出格式、自我纠正的指令，具体可参见下图。上下滑动查看
比如，让Gemini 2.5 Pro去解决P1题，再向模型发送问题陈述后，又追加了一句话「让我们尝试用归纳法来解决这个问题」。别小瞧了这句话，可以为模型提供一个强大的方向性引导。而且，就题目组合问题而言，确实也可以通过数学归纳法解决。设想一个旨在解决复杂问题的多智能体系统：这类任务通常需要大量探索——需要让不同智能体尝试不同方法，以期其中某个能找到可行路径。在此情境下，对于任何适用于正整数的命题，数学归纳法都是标准且常用的有效方法。其余题目的提示，以及解题过程，可参考论文中的细节。顺便提一句，字节也在今年IMO上，凭借Seed Prover取得了银牌分数。具体来说，Seed Prover完整破解了6题中的4题，最终获取了30分。另外，在赛后尝试后，AI一共证明了5道题，也算是拿下了金牌。如今，OpenAI和GDM先后凭借AI，攻克了前5题，拿下了IMO金牌。IMO的人类阵地，就仅剩下P6题了。https://x.com/theinformation/status/1947755575808262417 https://arxiv.org/abs/2507.15855https://x.com/lyang36/status/1947466281990738339 文章原文
