根据 Google DeepMind 的一份工作论文，该公司的两个人工智能智能体在持续不到四天的一次运行中复现了一项已知的 1024 位 RSA 密码学计算，期间监督这项工作的人类研究员发送了约 20 条消息——其中大多数只是简单的批准操作——并且未编写任何代码。

在整个运行过程中，这些智能体生成了约 33,500 行代码，交换了 218 条消息并执行了 336 项分布式实验，完成任务所用的 CPU 用量比此前在同一实例上的研究少约 3.5 倍。论文指出，这些结果不会威胁依赖 2048 位或更长 RSA 密钥的已部署系统。

这项任务是对一个与 RSA 数字签名相关的基准实例的沙盒复现——这一密码学问题此前已被另一个研究团队解决。一位 Google DeepMind 研究员选定了问题、设定了规则，之后基本退居幕后。一旦运行开始，两个智能体便独立完成编码、计算和调试工作，论文称该研究员没有编写代码、没有启动任何作业，也没有诊断任何故障。

DeepMind 研究员 Pushmeet Kohli 于 11 月 6 日宣布了这项工作。

— Pushmeet Kohli (@pushmeet) November 6, 2026

工作如何分工

该研究员选定了问题、实例以及对模拟签名服务的限制条件，并批准了任何不可撤销步骤的执行条件。一个监督智能体负责跟踪设计、预算和检查，而一个执行智能体负责编写和测试代码、启动分布式作业并修复故障。监督智能体还引入了一个专门的子智能体，以加速其中一个线性代数步骤。

从设计到结果得到验证，这项工作共耗时三天 22 小时。

整个设置分为多个阶段。一个持有模数分解的独立程序回答了约 40 亿次预查询，然后在目标选定之前被撤除。此后，智能体在不发出任何进一步查询的情况下计算出新的签名所需的数学根。他们在整个过程中从未恢复任何私钥。

过程中捕获的一个漏洞

智能体计算出的第一个根是错误的，原因是一个发生溢出的 32 位偏移量。正确性检查标记了该错误。智能体在不重复预签名查询的情况下定位并修复了故障。

根据论文，完成的计算共使用了 391 个 CPU 核心年，而早前的团队在同一实例和算法上需要约 1,380 个核心年——DeepMind 智能体的 CPU 用量约少 3.5 倍。论文指出，这一数字不包括约 330 个预留 GPU 小时（其中约 100 个为实际使用），也不包括 7.5 个核心年的探测和演练。此外，两个总量来自不同的硬件，因此这一对比并非完全同等条件。

早前的学术研究耗时约五个月。DeepMind 的运行从第一个全规模筛法作业到根得到验证仅用 3.2 天，峰值达到约 300,000 个 CPU 核心和 16 块 GPU，作者将这一时间差的大部分归功于并行化。

此次运行并未在完整密码学规模下测试论文中针对更受限签名访问的新算法。另一份 Fan Factories 论文估计，在共享预计算之后，每增加一个 1024 位目标的成本约可降低 30 倍，但目前尚未建成任何 fan factory。

这份工作论文仅将其主要模型称为 A 和 B，且未链接公开代码仓库，这限制了外部的比较。因此，超越 1024 位基准的独立复现和测试仍是评估该结果泛化程度尚待解决的问题。