OpenAI公布数学解法未达普林斯顿评估标准
OpenAI公布数百个数学解法，未达普林斯顿评估标准。其719份手稿仅10份含思维链，42%证明未经形式化验证，且存在自然语言与代码不一致风险，引发透明度质疑。
# 陶哲轩
共 2 篇相关文章
大模型的进步，为什么越来越难衡量了？
25位菲尔兹奖得主联名警告AI基准测试伤害数学研究。OpenAI发现前沿模型存在“基准污染”，因SWE-bench Verified近六成题目有纰漏，已停止报告该成绩。
共 2 篇相关文章
OpenAI公布数百个数学解法，未达普林斯顿评估标准。其719份手稿仅10份含思维链，42%证明未经形式化验证，且存在自然语言与代码不一致风险，引发透明度质疑。
25位菲尔兹奖得主联名警告AI基准测试伤害数学研究。OpenAI发现前沿模型存在“基准污染”，因SWE-bench Verified近六成题目有纰漏，已停止报告该成绩。