据驰名科普杂志《科学美国人》的报路

，今年五月中旬

，一场由非投机组织 Epoch AI 主办的 FrontierMath 钻研会在加州伯克利奥秘进行。三十位被称为“全球最负盛名的数学家”齐聚一堂

，他们的工作只有一个：设计出人类专家可能解决、但最先进的 AI 却会束手无策的数学难题。 这场对决的主角

，是来自 OpenAI 的推理大说话模型 o4-mini。与早期版本的 ChatGPT 相比

，o4-mini 在专门的数据集上进行训练

，得到了更强的人类反馈强化

，可能进行越发复杂和深刻的数学推理。 报路提到

，Ken Ono 在会议中遇到了一个令他极度难忘的时刻。他设计了一个在他地点领域（数论）被以为是“盛开性问题”的博士级别难题

，并将其交给了 o4-mini。在接下来的极度钟里

，Ono 和其他与会者在惊诧中见证了 AI 实使毓开解题过程。模型首先花了约莫两分钟

，迅速检索并“把握”了该领域的有关文件。紧接着

，它提出先解决一个简化的“玩具版本”问题以进前进建。几分钟后

，它颁发已筹备好应对真正的挑战。最终

，在总共不到极度钟的功夫里

，o4-mini 不仅给出了正确答案

，其输出的文字甚至带有一种俏皮的自负

，结尾写路：“无需引用

，由于这个神秘数字是由我推算出来的！” 这一幕给 Ono 带来相当大的冲击

，他坦言：“我从未在模型中见过那种推理方式。那是科学家的工作方式。这太吓人了。”他甚至在周日早晨就如饥似渴地通过加密通讯软件 Signal 提醒其他与会者

，他感触自己面对的不再是一个法式

，而是一个“壮大的合作者”。 类似的震撼排场在会议期间反复演出。其他数学家发现

，即便是涉及最近钻研成就的问题

，AI 也阐发出惊人的文件检索和利用能力。它可能迅速找到、引用并利用有关的钻研了局

，这种速度和正确性远超人类专家的预期。伦敦数学科学钻研所的 Yang-Hui He 也给出了极高的评价

，以为 AI 的阐发“比一个极度极度优良的博士生做得还要多”。 在这场挑战中

，o4-mini 在处置必要深度几何直觉和拓扑理解的问题时阐发尤其杰出

，并且其速度远超人类

，能在几分钟内实现人类专家必要数周甚至数月能力实现的工作。只管最终与会者们还是成功找到了 10 个可能难住 AI 的问题

，但这个了局自身还是给数学家们带来极大冲击——相迸宗传统说话模型在类似基准测试中不到 2% 的成功率

，o4-mini 展示出的数学推理能力已经达到了前所未有的水平。 不外在这篇文章引发热烈会商后

，一位参加了这次钻研会的数学家、Hyperbolic 首创人 Jasper Zhang 提出了一些异议

，他暗示

，固然 AI 的进取的确惊人

，但原始报路在某些方面“有些夸大

，必要澄清”。 Jasper 首先指出了一个被报路淡化

，却对整个挑战性质有决定性影响的关键约束：“每个问题都必要一个数值答案”。他诠释说

，这与高档数学的主题有显著区别。现代数学钻研的中心通常是推理与证明

，而非纯正的推算。一个问题能够有复杂的逻辑结构和深刻的理论内涵

，但最终被要求输出一个具体的数字

，这自身就扭转了问题的性质

，使得它更左袒于一个能够被推算工具优化的工作。 Jasper 地点的几何与拓扑幼组

，最初的战术是设计一些必要深刻几何直觉和关键定理理解的博士级别问题。他们相信

，这是当前 AI 模型的弱点。但令他们惊讶的是

，o4-mini 模型成功解决了他们提出的大部门问题。但这里的“解决”必要打上引号。Jasper 出格提到：“只管其推理过程有时是谬误的

，但它依然设法得出了正确的数值答案。” 这就注明

，AI 可能并非通过类似人类的、严谨的逻辑推演来“理解”问题

，而是利用其壮大的模式匹配和推算能力

，找到了一条通往正确数字的蹊径

，哪怕这条蹊径在数学逻辑上并不美满。 基于这一发现

，Jasper 和他的同事调整了战术。他从一篇数学论文中提取了几个中央定理

，而后设计了一个新问题

，要求将这些定理综合起来

，形成一种推算步骤。这一次

，AI“正如预期地陷入了困境”。Jasper 写路：“它无法将中央步骤联系起来

，也无法有效地进行逻辑链条的推理。」剽次失败

，刚好揭示了当前 LLM 的深层局限：在必要从零起头进行多步骤、跨概想的逻辑综合与创造时

，它依然力不从心。 除了个别极度吸引眼球的案例

，这次会议还揭示了 AI 数学能力的其他沉要特点。参加者们发现

，o4-mini 在处置涉及最新钻研成就的问题时阐发杰出

，可能有效地搜索、理解并利用最新的学术文件。这种能力在某种水平上添补了人类专家在信息处置速度上的不及。 同时

，会议也露出出 AI 系统的一个潜在风险：过度自负的表白方式。Ono 和 He 都表白了对 o4-mini 了局可能被过度信赖的忧郁。“有综合证明、反证法

，而后还有恐吓证明

，”He 说

，“若是你用足够的权威说某件事

，人们就会感应胆怯。我以为 o4-mini 已经把握了恐吓证明；它说每件事都充斥自负。” 从那 10 个成功“难倒”AI 的问题来看

，它们往往必要复杂的多步骤推理和创新性的概想综合

，而这也注明

，当前 AI 系统的局限还是重要体此刻原创性思想和深度逻辑综合能力上。 最后

，我们能够用 Jasper 的几点主题见解作为总结：AI 在从前两年的确获得了巨猛进取

，但目前的 LLM 在很大水平上依然依赖于模式匹配

，其深度推理能力有限。它们尚不具备生玉成新数学成就的能力

，但极其善于网络有关文件和草拟初步解决规划。人类的监督

，尤其是在验证和综合方面

，依然是不成或缺的。 他的预测也更为和善：在将来一到两年内

，AI 将重要作为数学家的“副手”

，援手发现新理论和解决盛开问题

，就像陶哲轩与 DeepMind 的合作那样。之后

，AI 才会起头作为“合作者”

，并最终独立地推动数学前沿。