帮 Gemini 拿下 IMO 金牌的关键先生，差点成了职业钢琴家
一句话看懂：Google DeepMind 研究员 Yi Tay 是帮助 Gemini Deep Think 拿下 IMO 国际数学奥林匹克金牌的核心人物，而他此前还曾几乎成为职业钢琴家。这一跨界背景折射出 AI 研究团队对“深度思考”与长期专注力的重视，也再次引发业界对 Gemini 推理路线下一步落地的关注。
事件核心：发生了什么
Yi Tay 在个人社交媒体上分享了一段 14 年前弹奏肖邦《幻想即兴曲》的视频，展示其曾拥有接近专业水准的古典钢琴演奏能力。他在 2012 年就已获得英国伦敦圣三一学院的古典钢琴演奏副学士文凭。然而近年来更受关注的，是他作为 Google DeepMind 研究科学家，带队主导 Gemini Deep Think 的训练和推理优化工作。2024 年 7 月，Gemini Deep Think 在 IMO 竞赛中达到金牌水准，2025 年初发布的 Gemini 3 Deep Think 又在物理和化学奥赛笔试部分达成同等级别。自 2025 年底起，Google DeepMind 正式宣布由 Yi Tay 在新加坡组建“推理与 AGI 团队”，直接负责 Gemini 核心后训练，向 Quoc Le 汇报。
为什么重要
Yi Tay 的个人经历呈现了几个关键信号。第一，他此前在 Google Brain 期间主导的 UL2 框架统一了编码器-解码器与自回归预训练范式，影响到了 PaLM-2、PaLI-X 等模型；2023 年他离开谷歌联合创办 Reka AI，不到一年训练出 GPT-4 级别的多模态模型，但在创业 639 天后又重回谷歌。这种“离开—创业—回归”的路径说明，在当前的 AI 算力、数据和基础设施门槛下，顶级研究人才更倾向于具备超大算力集群和长期投入的公司。第二，Gemini Deep Think 在 IMO 获奖证明了“链式思考”加密集推理算力的技术路线可以有效攻克数学推理难题，这直接挑战了此前认为大模型在数学竞赛中不如专用系统的观点。第三，新加坡团队被命名为“推理与 AGI 团队”，表明 Google DeepMind 把推理能力视作通往 AGI 的核心杠杆，而非单纯堆叠参数。
对用户/开发者/创作者的影响
对于依赖大模型做数学、逻辑推理的开发者来说，Gemini Deep Think 在推理准确率和可解释性上的突破意味着 API 调用时可以考虑专门的多步推理模式。对于使用 Gemini 2.5 或 Gemini 3 模型的企业和内容创作者，Yi Tay 团队的持续优化可能会在数学、物理、化学等 STEM 内容的自动生成与问答场景中带来显著准确率提升。此外，Yi Tay 从创业回归谷歌的经历也为 AI 从业者提供了一个可参考的职业决策画布：在基础大模型竞争高度资本密集化的阶段，单点创新的商业化周期可能需要更长验证时间。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，Yi Tay 领导的新加坡“推理与 AGI 团队”是否会进一步推动 Gemini 后训练的开源或公开评估，这将影响开发者在商业项目中使用 Gemini 的意愿。第二，Gemini Deep Think 在 IMO 的表现是否能持续在更高难度的竞赛（如 2025 年 IMO 正式赛）中复制，目前公开信息仅显示“达到了金牌水准”，但尚未披露详细评分对比。第三，其他巨头（如 OpenAI、Meta）是否会在推理能力上跟进类似“Deep Think”的设计并降低 API 成本，这决定了数学推理赛道未来半年能否走向大规模商用。
来源：Readhub · AI
