返回 返回
模型邮件每日6条一手
Epoch AI的FrontierMath Erdős基准要求AI模型用Lean语言证明或证伪68道重要的埃尔德什未解难题,每题预算固定为300美元和72小时。2026年8月测试的五个前沿模型中,只有一个给出了经验证的解答: GPT-6 Astra解出68题中的2题(3%)——其余所有受测模型均得分0%
Epoch AI创建了FrontierMath Erdős基准测试，以严格衡量AI的数学能力。它挑战AI模型在每个问题300美元、72小时的预算内，证明或反驳68个重要的未解决的Erdős问题，这些问题以Lean形式化。2026年8月，Epoch AI测试了五个前沿模型，只有GPT-6 Astra产生了经过验证的解决方案，解决了68个问题中的2个。
已核实 2026-09-16
知情者可追踪为何重要
人工智能正在开始破解真正的开放数学问题，尽管成功仍然罕见且仅限于一个模型。
更多模型
- AI模型如今已能在国际数学奥林匹克竞赛中夺金,但斯坦福《2026年AI指数报告》发现,它们在一项大多数孩子很早就掌握的任务上仍会出错。在ClockBench的180种表盘设计、720道题目测试中,表现最好的模型 GPT-5.4 High正确读出模拟时钟时间的比例仅为50.6%,而人类为90.1%
- 闭源与开源AI模型的性能差距在2024年一度几乎抹平后再度拉开。截至2026年3月，斯坦福《2026年AI指数》显示，Arena排行榜上顶尖闭源模型相对顶尖开源模型领先3.3%，高于2024年8月的0.5%
- 斯坦福大学2026年AI指数报告追踪AI模型在GPQA Diamond基准上的表现——这是一套专为抵抗谷歌搜索而设计的博士级化学和物理题。2025年,模型在该基准上的平均准确率达到93%,而专家人类验证者的基线为81.2%——AI模型现已在GPQA Diamond上超越博士级专家12个百分点