大型语言模型（LLM）代理在长时程科学与奥林匹克任务上快速提升。已有系统实现了 Navier--Stokes 问题的 Lean 形式化解答，并自主解决了 Erd\H{o}s 猜想数据库中的四个未解问题，但它们未公开完整模型与推理栈。单一会话在困难题目上仍易脆弱：早期错误会传播，缺失领域知识会阻塞，表面成功可能掩盖对任务的误解或弱化。我们提出 HOA（Humanize Olympiads Agent），一个开放的流级框架，通过三条互补反馈通道协同多会话。第一，独立审稿人对每个候选解答进行评估并给出可操作反馈；第二，结构化 Wiki 提供任务特定的知识，弥补模型预训练中的缺漏或不可靠信息；第三，验证器将生成的 Lean 证明与可信的挑战陈述进行核对。使用 GPT-5.6 Sol，HOA 在 IMO、IPhO、IOI 2026 中取得满分，在 IChO 2026 中接近满分，并在 PutnamBench 上解出全部 672 题（100%）。在 Lean‑Eval 排行榜上，HOA 解决 251/304 题（82.6%），位列第一。进一步使用开源模型 Kimi‑K3，HOA 在 IMO、IPhO、IOI 上同样获得满分，在 IChO 上取得 97.1% 的金牌水平。结果显示，系统化的反馈能够显著缩小不同基础模型能力之间的差距。
点评