一行行优美的latex排版公式如瀑布般在屏幕上倾泻而下。辅助线的构造、代数变形的技巧、数论同余的巧妙放缩……模型不仅给出了答案，而且步骤详尽、逻辑严丝合缝，甚至在某些题目的解法上，比官方给出的標准答案还要简洁漂亮。

“有意思，再来！”

徐辰眼睛一亮，立刻將剩下的9道imo压轴题，一道接一道地餵了进去。

无一例外，每一道题都在数分钟內被完美拆解。

“10道题全对，平均每道题用时基本不超过十五分钟。”徐辰对照了一遍答案，眼底满是惊嘆。

或许外行会觉得解一道题花十几分钟有点慢，但在2027年的ai agent时代，並不追求秒出结果，而是通过反覆拆解、推演、排雷来確保绝对正確率的运行模式，才是攻克严肃科学难题的真正利器。

只用了7天时间的训练，极小的参数量，却直接把上一代ai架构按在地上无情摩擦！

但这在计算机科学领域，其实再正常不过。这就如同当年横空出世的transformer架构，仅仅用上一代rnn几分之一的参数量和极短的训练时间，就直接打爆了所有的自然语言测试榜单，开启了大模型时代。底层核心架构的代际碾压，就是这么不讲道理！

……

但这还不够。imo的常规题，虽然需要极高的智商，但依然在高中生知识范畴內，徐辰决定稍微再超纲一些，测试一下这个模型面对“超纲”和“灵感”时的极限。

最合適的题目，其实就是徐辰当年参加数学imo时的魔鬼第六题，那个题目略微超纲，而且需要很强的数学直觉。

按下回车。

这一次，屏幕上的光標停住了。

一分钟过去了，没有输出。

十分钟过去了，依然没有输出。

终端后台的资源监控器上显示，lpu集群的占用率已经飆升到了100%，风扇的嘶吼声仿佛在诉穿著这台机器正在经歷怎样的脑力风暴。

徐辰没有急著去打断它，他知道，对於slrm主导的逻辑引擎来说，没有输出，就意味著它正在庞大的逻辑树中进行疯狂的深度搜索和自我验证。

这一等，就是整整一天一夜。

直到第二天的傍晚，徐辰靠在椅子上快要睡著的时候，音箱里突然传来了“叮”的一声清脆提示音。

徐辰猛地睁开眼，看向屏幕。

洋洋洒洒將近二十页的推导过程，赫然呈现在屏幕上！在最后一行，那个熟悉而绝对正確的结论，安静地躺在那里。

“臥槽……真做出来了？”

徐辰倒吸了一口凉气，立刻精神抖擞地开始逐行审查这二十页的推导过程。

……

十几分钟后，徐辰看完了整个证明，脸上的表情变得极其精彩，那是一种既惊嘆又无语的复杂神情。