MaxProof: 用生成-验证强化学习实现数学证明的规模扩展

MaxProof 是一个面向竞赛级数学证明的群体级测试时扩展框架，由 MiniMax-M3 系列模型实现。M3 模型通过深度防御生成式验证器训练了证明生成、验证和基于批评的修复三种能力，并整合为单一模型。在测试时，MaxProof 将模型作为生成器、验证器、优化器和排序器，对候选证明群体进行搜索，并通过锦标赛选择输出最终证明。在 IMO 2025 和 USAMO 2026 上，M3 模型分别达到 35/42 和 36/42，超过了人类金牌阈值。