据好意思国道理道理科学网站 7 月 12 日报说念，5 月中旬的一个周末，好意思国加利福尼亚州的伯克利召开了一次好意思妙的闭门数学会议。30 位全天下最闻名的数学家来到这里，其中有些东说念主从英国远说念而来。他们在这里与一个"推理"聊天机器东说念主伸开对决，后者的任务是解答数学家们为测试其数学才调而筹办的问题。

筹议东说念主员在两天时辰里向机器东说念主抛出教师级别的问题，然后诧异地发现，它大致回复全天下最难处罚的一些问题。

弗吉尼亚大学的数学家、这次会议的牵头东说念主和评委小野健 ( 音 ) 说："我的共事们照实说，这些模子接近数学天才的水平。"

他谈判的聊天机器东说念主由 o4-mini ——一个所谓的推理大型说话模子 ( LLM ) ——提供复古。好意思国通达东说念主工智能筹议中心 ( OpenAI ) 对它进行了检修，使它大致进行高度复杂的推理。谷歌的同类居品—— Gemini 2.5 Flash ——也有肖似功能。就像为早期版块聊天生成预检修调养器 ( ChatGPT ) 提供复古的 LLM 相通，o4-mini 学会了意象序列中的下一个单词。然而，与早期的 LLM 比拟，o4-mini 偏执同类模子更轻量，更纯真，不错在有意的数据集上进行检修，并取得东说念主类更强的强化。这种模范使得聊天机器东说念主大致远比传统的 LLM 更深远筹议复杂的数知识题。

为了跟踪 o4-mini 的发扬，OpenAI 之前交付好意思国东说念主工智能时间筹议所 ( 一家对 LLM 进行基准测试的非渔利组织 ) 提议 300 说念尚未公布谜底的数知识题。就连传统的 LLM 王人能正确回复好多复杂的数知识题。不外，当东说念主工智能时间筹议所向几个这么的模子提议这些问题 ( 与它们检修过的问题不同 ) 时，最告捷的模子大致处罚的问题不到 2%，标明这些 LLM 短缺推理才调。但事实会讲授，o4-mini 透澈不同。

东说念主工智能时间筹议所于 2024 年 9 月聘用刚刚拿到数学博士学位的埃利奥特 · 格拉泽加入了名为 FrontierMath 的新基准协作模式。该模式荟萃了不同难度级别的新问题，前三个级别涵盖了本科、筹议生和筹议级别的挑战。到 2025 年 4 月，格拉泽发现 o4-mini 不错处罚大要 20% 的问题。然后，他参加了第四个级别：一组以至会对学术数学家组成挑战的问题。全天下唯唯一小部分东说念主有才调提议这么的问题，更不要说回复了。参与的数学家必须签署一份覆盖左券，条目他们只可通过即时通信愚弄软件"信号"进行相通。其他筹商样式——比如传统的电子邮件——可能会被 LLM 扫描并在不测中检修它，从而浑浊数据集。

每提议一个 o4-mini 解答不了的问题，念念出这个问题的数学家就会得到 7500 好意思元的奖励。该小组在寻找问题方面取得了徐徐而稳步的发扬。但格拉泽但愿加速程度，是以东说念主工智能时间筹议方位 5 月 17 日和 18 日举行了濒临面的会议。会上，参与者笃定临了一批挑战问题。30 名与会者被分红六东说念主一组。在两天的时辰里，学者们相互竞争，筹办出他们我方大致处罚但会让东说念主工智能推理机器东说念主出错的问题。

在阿谁星期六的夜晚死心时，这个机器东说念主出东说念主预念念的数学才调终止了小组的发扬。小野说："我念念出了一个问题，我这个限度的大家会合计这是数论中的通达问题——一个很好的博士级问题。"他条目 o4-mini 解答这个问题。

在接下来的 10 分钟里，小野张目结舌地看着机器东说念主及时展示解法，还展示了它的推理进程。机器东说念主先是花了两分钟时辰查找并掌捏该限度的关系文件。然后，它在屏幕上写说念，它念念尝试处罚一个比较浅薄的"游戏"版块问题，以便学习。数分钟后，它写说念，它终于准备好解答比较难的问题了。五分钟后，o4-mini 拿出了正确但俏皮的解法。同期亦然东说念主工智能时间筹议所的解放数学照应人的小野说："它开动变得颠倒厚脸皮。临了，它说：‘不需要援用，因为深邃数字是我算出来的！’"

微信审核 | 陈曙光

践诺编审 | 吴一凡 廉海东

微信剪辑 | 许海婷 田欣开yun体育网