Code2Math 多智能体框架让代码智能体在充分测试时探索中把已有数学题演化为更难且可解的新题
相关研究与后续进展
核心概要
该工作提出 Code2Math 多智能体框架，让代码智能体通过探索自主将已有数学题演化为更复杂的变体，并在生成过程中验证新题的可解性与难度提升；实验表明，在足够的测试时探索下，代码智能体能合成出结构上不同于原题、且比原题更具挑战性的可解新题，为在可扩展计算环境中合成高难度数学推理问题提供了经验证据。
Figure 1: Example of code-driven problem evolution.
arXiv深度剖析
论文提出一个多智能体框架，用于执行数学问题的演化，同时验证所生成问题的可解性与难度提升。 相对于以往依赖人工编写或静态收集高难度数学题的做法，这里把问题生成与可解性、难度校验放进同一个多智能体流程中。 摘要明确说明框架“designed to perform problem evolution while validating the solvability and increased difficulty of the generated problems”，属于方法层面的设计陈述。
实验显示，在足够的测试时探索下，代码智能体能够合成新的、可解的数学问题，这些问题在结构上与原题不同，并且比原题更难。 这提供了“代码驱动智能体可作为合成高难度数学推理问题机制”的经验证据，把代码执行环境当作可扩展的数学实验场所。 摘要以“Our experiments demonstrate that, given sufficient test-time exploration”表述，并强调可解性与难度提升均被验证；具体样本量、模型与统计量未在摘要中给出。
该工作把高难度、高质量数学题稀缺视为 LLM 训练、评测与自演化的瓶颈，并据此提出用代码智能体自主演化已有题目。 将问题来源从人工供给转向由代码智能体在可扩展计算环境中自动生成，回应了 IMO 与研究级数学能力推进背景下的题目需求。 摘要以“scarcity of challenging, high-quality problems has become a significant bottleneck”作为动机陈述，属于问题定位而非实验测量。
启示与展望
该框架面向需要高难度数学推理题目的训练、评测与自演化场景，适用于能够提供代码执行环境的计算设置；其结论建立在“sufficient test-time exploration”这一条件之上，即探索预算充足时才能观察到可解且更难的新题。对希望自动扩充数学题库、或研究代码智能体探索能力的研究者与工程师，这一工作给出了可复用的多智能体流程思路。
摘要未说明所用代码智能体与基座模型、原题来源与规模、难度提升的度量方式、可解性验证的具体判据，也未给出定量结果；这些细节决定结论的可复现范围。此外，摘要未讨论生成题目是否可能与原题存在隐含同构，或难度提升是否在不同数学领域间保持一致，这些属于后续可检验的开放问题。