据着名科普杂志《科学美国人》的报道，，，，，，今年五月中旬，，，，，，一场由非营利组织 Epoch AI 主理的 FrontierMath 钻研会在加州伯克利神秘举行。。。。。
。。三十位被称为“全球最负盛名的数学家”齐聚一堂，，，，，，他们的使命只有一个：设计出人类专家能够解决、但最先进的 AI 却会一筹莫展的数学难题。。。。。
。。 这场对决的主角，，，，，，是来自 OpenAI 的推理大语言模子 o4-mini。。。。。
。。与早期版本的 ChatGPT 相比，，，，，，o4-mini 在专门的数据集上举行训练，，，，，，获得了更强的人类反响强化，，，，，，能够举行越发重大和深入的数学推理。。。。。
。。 报道提到，，，，，，Ken Ono 在聚会中遇到了一个令他十分难忘的时刻。。。。。
。。他设计了一个在他所在领域（数论）被以为是“开放性问题”的博士级别难题，，，，，，并将其交给了 o4-mini。。。。。
。。在接下来的十分钟里，，，，，，Ono 和其他与会者在恐慌中见证了 AI 实时睁开解题历程。。。。。
。。模子首先花了约莫两分钟，，，，，，迅速检索并“掌握”了该领域的相关文献。。。。。
。。紧接着，，，，，，它提出先解决一个简化的“玩具版本”问题以举行学习。。。。。
。。几分钟后，，，，，，它宣布已准备好应对真正的挑战。。。。。
。。最终，，，，，，在总共不到十分钟的时间里，，，，，，o4-mini 不但给出了准确谜底，，，，，，其输出的文字甚至带有一种俏皮的自信，，，，，，最后写道：“无需引用，，，，，，由于这个神秘数字是由我盘算出来的！” 这一幕给 Ono 带来相当大的攻击，，，，，，他坦言：“我从未在模子中见过那种推理方法。。。。。
。。那是科学家的事情方法。。。。。
。。这太吓人了。。。。。
。。”他甚至在周日清早就迫缺乏待地通过加密通讯软件 Signal 提醒其他与会者，，，，，，他感受自己面临的不再是一个程序，，，，，，而是一个“强盛的相助者”。。。。。
。。 类似的震撼时势在聚会时代重复上演。。。。。
。。其他数学家发明，，，，，，纵然是涉及最近研究效果的问题，，，，，，AI 也体现出惊人的文献检索和应用能力。。。。。
。。它能够迅速找到、引用并应用相关的研究效果，，，，，，这种速率和准确性远超人类专家的预期。。。。。
。。伦敦数学科学研究所的 Yang-Hui He 也给出了极高的评价，，，，，，以为 AI 的体现“比一个很是很是优异的博士生做得还要多”。。。。。
。。 在这场挑战中，，，，，，o4-mini 在处置惩罚需要深度几何直觉和拓扑明确的问题时体现尤其精彩，，，，，，并且其速率远超人类，，，，，，能在几分钟内完成人类专家需要数周甚至数月才华完成的事情。。。。。
。。只管最终与会者们照旧乐成找到了 10 个能够难住 AI 的问题，，，，，，但这个效果自己照旧给数学家们带来极大攻击——相比于古板语言模子在类似基准测试中不到 2% 的乐成率，，，，，，o4-mini 展现出的数学推理能力已经抵达了亘古未有的水平。。。。。
。。 不过在这篇文章引发热烈讨论后，，，，，，一位加入了此次钻研会的数学家、Hyperbolic 首创人 Jasper Zhang 提出了一些异议，，，，，，他体现，，，，，，虽然 AI 的前进确实惊人，，，，，，但原始报道在某些方面“有些夸张，，，，，，需要澄清”。。。。。
。。 Jasper 首先指出了一个被报道淡化，，，，，，却对整个挑战性子有决议性影响的要害约束：“每个问题都需要一个数值谜底”。。。。。
。。他诠释说，，，，，，这与高等数学的焦点有显著区别。。。。。
。。现代数学研究的中心通常是推理与证实，，，，，，而非纯粹的盘算。。。。。
。。一个问题可以有重大的逻辑结构和深刻的理论内在，，，，，，但最终被要求输出一个详细的数字，，，，，，这自己就改变了问题的性子，，，，，，使得它更偏向于一个可以被盘算工具优化的使命。。。。。
。。 Jasper 所在的几何与拓扑小组，，，，，，最初的战略是设计一些需要深刻几何直觉和要害定理明确的博士级别问题。。。。。
。。他们相信，，，，，，这是目今 AI 模子的弱点。。。。。
。。但令他们惊讶的是，，，，，，o4-mini 模子乐成解决了他们提出的大部分问题。。。。。
。。但这里的“解决”需要打上引号。。。。。
。。Jasper 特殊提到：“只管其推理历程有时是过失的，，，，，，但它仍然想法得出了准确的数值谜底。。。。。
。。” 这就说明，，，，，，AI 可能并非通过类似人类的、严谨的逻辑推演来“明确”问题，，，，，，而是使用其强盛的模式匹配和盘算能力，，，，，，找到了一条通往准确数字的路径，，，，，，哪怕这条路径在数学逻辑上并不完善。。。。。
。。 基于这一发明，，，，，，Jasper 和他的同事调解了战略。。。。。
。。他从一篇数学论文中提取了几其中心定理，，，，，，然后设计了一个新问题，，，，，，要求将这些定理综合起来，，，，，，形成一种盘算要领。。。。。
。。这一次，，，，，，AI“正如预期地陷入了逆境”。。。。。
。。Jasper 写道：“它无法将中心办法联系起来，，，，，，也无法有用地举行逻辑链条的推理。。。。。
。。”这次失败，，，，，，恰恰展现了目今 LLM 的深层局限：在需要从零最先举行多办法、跨看法的逻辑综合与创立时，，，，，，它仍然力有未逮。。。。。
。。 除了个体很是吸引眼球的案例，，，，，，这次聚会还展现了 AI 数学能力的其他主要特征。。。。。
。。加入者们发明，，，，，，o4-mini 在处置惩罚涉及最新研究效果的问题时体现精彩，，，，，，能够有用地搜索、明确并应用最新的学术文献。。。。。
。。这种能力在某种水平上填补了人类专家在信息处置惩罚速率上的缺乏。。。。。
。。 同时，，，，，，聚会也袒露出 AI 系统的一个潜在危害：太过自信的表达方法。。。。。
。。Ono 和 He 都表达了对 o4-mini 效果可能被太过信任的担心。。。。。
。。“有归纳证实、反证法，，，，，，然后尚有吓唬证实，，，，，，”He 说，，，，，，“若是你用足够的权威说某件事，，，，，，人们就会感应畏惧。。。。。
。。我以为 o4-mini 已经掌握了吓唬证实；；；；；；；它说每件事都充满自信。。。。。
。。” 从那 10 个乐成“难倒”AI 的问题来看，，，，，，它们往往需要重大的多办法推理和立异性的看法综合，，，，，，而这也说明，，，，，，目今 AI 系统的局限照旧主要体现在原创性头脑和深度逻辑综合能力上。。。。。
。。 最后，，，，，，我们可以用 Jasper 的几点焦点看法作为总结：AI 在已往两年确实取得了重大前进，，，，，，但现在的 LLM 在很洪流平上仍然依赖于模式匹配，，，，，，其深度推理能力有限。。。。。
。。它们尚不具备生玉成新数学效果的能力，，，，，，但极其善于网络相关文献和起草起源解决计划。。。。。
。。人类的监视，，，，，，尤其是在验证和综合方面，，，，，，仍然是不可或缺的。。。。。
。。 他的展望也更为温顺：在未来一到两年内，，，，，，AI 将主要作为数学家的“助手”，，，，，，资助发明新理论息争决开放问题，，，，，，就像陶哲轩与 DeepMind 的相助那样。。。。。
。。之后，，，，，，AI 才会最先作为“相助者”，，，，，，并最终自力地推动数学前沿。。。。。
。。