摘要
近年来，人工智能在数学领域的进展主要集中于自动形式化和定理证明，而计算代数系统（CAS）在代理LLM工作流程中的作用尚未得到充分探讨。我们提出了一种ReAct风格的代理设置，将LLM推理与来自SageMath的可验证反馈相结合，并使用Context7提供最新文档。
我们在模拟计算数学研究循环的环境中，评估了这一代理设置在解决RealMath基准中的研究级数学问题的前沿模型。
我们还通过引入多步骤后处理程序和多阶段验证管道，提出了对RealMath基准的改进，这两者都提高了提取问题集的质量和可靠性。
实验结果显示，所有评估模型在访问SageMath后，平均性能提升了9.7个百分点，提升范围从1.5到27.8个百分点，缩小了开放权重模型与封闭模型之间的差距。Qwen 3.7-Max从SageMath中受益最大，而GPT-5.5在工具启用的配置中实现了最高的解题率75.2%和最低的令牌使用量。
我们的研究表明，CAS增强代理为帮助数学家进行计算探索提供了有前景的方向，我们相信这项工作是自动猜想发现的一个重要步骤。项目代码库已在线提供。
博主点评： 这项研究展示了将计算代数系统与大型语言模型结合的潜力，尤其是在解决复杂数学问题时的有效性。未来，我们期待看到更多类似的跨领域合作，以推动数学研究的自动化进程。