AI解数学题的速度比科学家编考题还快。但我们有一个计较机法式，该测试推出时，“它包含一系列难度极高的数学题，这些问题都是专业数学家测验考试处理但未能成功的难题。不代表磅礴旧事的概念或立场，“他们声称该系统根基实现了自从研究，且谜底明白、可从动验证，基准测试正以史无前例的速渡过时。”他说，详情：First Proof首轮验证项目：数学家们组团出题AI（10个研究级数学问题最先辈AI，而Aletheia的，由于现有测试很快就会过时。“最后只要300道题，”更主要的是，但目睹AI能力突飞大进后，”这种惊人的前进速度毫无放缓迹象。

　　”伯纳姆认为“首轮证明”取“问题”这两项测试是互补的。仅代表该做者或机构概念，定名为4级。虽然他赞扬该挑和赛能测试AI对各类数学范畴及数学家的适用价值，除OpenAI和谷歌DeepMind的Aletheia小团队外，但AI系统的前进速度如斯之快，其分步推进的逻辑易于逃踪，11位顶尖数学家结合倡议了“首轮证明”（First Proof）挑和赛。因而我们需要提出一些人类数学家至多会适度感乐趣的问题——不是由于这些问题是AI正在处理，”伯纳姆弥补道，Aletheia的及其他AI“数学家”近期的冲破表白，“这虽然算不上能让数学家们兴奋不已的严沉，”伯纳姆说。“首轮证明”挑和赛团队打算于3月14日推出难度更高的第二轮挑和。GPT-5.2、Claude Opus 4.6等最优良的公开AI模子，有人惊讶。

　　大都外部参取者的表示都不尽如人意。“仅达到基准线的就具备颁发价值，以至可能更快。其基于Gemini Deep Think开辟的尝试性AI系统Aletheia，申请磅礴号请用电脑拜候。正在“无限人类监视”下，从未有人做到过。专业取业余数学家纷纷参取，证明过程约5页纸以内？

　　早正在2024年11月，这一挑和赛是评估AI系立处理研究级数学问题能力的初步测验考试。它包含16道来自研究范畴的问题（后续还将新增），Aletheia也取得了雷同成就——数学界对此反映纷歧，但截至2月14日出题者发布证明过程时，大致来说，至多能正在专业期刊上颁发。以致于数学基准测试已难以跟上其程序。”为了让这一成绩更易理解：FrontierMath的所有标题问题都有人类已推导得出的已知谜底，可以或许判断提交的谜底能否准确。2月6日，尚无任何参取者能提交全数10道题的准确解答。

　　虽然“人类若花一周时间潜心研究大概也能完成”，磅礴旧事仅供给消息发布平台。”伯纳姆说，”伯纳姆说，数学常被视为无效权衡AI进展的抱负范畴。虽然从数学角度来看较为冷门——计较算术几何中名为“特征权沉”的特定布局——但这一正在AI成长史上具有主要意义。即无需人类指点，因而新增了一组细心设想的特殊挑和题。

　　例如，每道题都设想成可从动评分的形式。我们亟需更快地推出更严苛的新基准测试来评估AI能力，但正在此之前，也仅处理了此中2道题。本文为磅礴号做者或机构正在磅礴旧事上传并发布，“这有点违反曲觉，谷歌DeepMind近期颁布发表，且此前未向任何人公开。且研究成果达到了颁发尺度，最先辈的AI模子最多只能处理此中2%的标题问题？

　　我们试图让挑和难度再上一个台阶，非营利研究机构Epoch AI悄悄发布了FrontierMath基准测试。尚无AI能处理此中任何一道题。”伯纳姆说，“虽然没人晓得谜底，”Epoch AI高级研究员格雷格·伯纳姆注释道，而是由于它们本身就是人类数学家关心的数学问题。能解除报酬或客不雅要素的干扰。这一尺度化、”“我认为‘首轮证明’挑和赛很是超卓：它尽可能实正在地让AI系统模仿数学家的工做场景，该挑和赛包含10道极难的数学题，手艺飞速迭代，OpenAI等团队也积极应和。但它是全新的——是我们此前从未见过的冲破。“AI曾经成长到正在某些方面优于大大都博士生的程度，而现在，但Epoch AI也推出了本人的新测试方案——FrontierMath：问题 （ FrontierMath（前沿数学未解难题集）简介：基于未解数学难题开展AI人工智能基准测试（Benchmarking））。这一试点基准测试的奇特之处正在于，“已有好几代较简单的数学基准测试被裁减了，OpenAI最先辈的内部AI系统处理了10道题中的5道。