很可惜 T 。T 您现在还不是作者身份，不能自主发稿哦～
如有投稿需求，请把文章发送到邮箱adminuser@126.com，一经录用会有专人和您联系
咨询如何成为春羽作者请联系：心头鹿撞网小羽毛
新智元报道
编辑：犀牛
【新智元导读】OpenAI首席科学家震撼爆料，其神秘内部模型仅凭一周成功攻克了10道未发表顶尖数学难题中的神秘6道。这一名为First Proof的模型挑战标志着AI已从奥赛选手进化为前沿知识的创造者，奥特曼更直言STEM研究范式将被彻底重塑。连破
还记得两年前，道前AI只能磕磕绊绊地解出一道小学奥数题。沿难
今天，题奥特读完这篇文章时，震撼造新知识你可能会感到一种深入骨髓的神秘战栗。
因为那个曾经蹒跚学步的模型「孩子」，在刚刚过去的连破一周里，不仅学会了奔跑，道前还一脚踢开了人类智力皇冠上最坚固的沿难那扇门——前沿数学研究。
就在刚刚，题奥特OpenAI首席科学家Jakub Pachocki在X上扔出了一颗重磅炸弹——
「我们用内部模型对10道前沿数学研究题发起挑战，震撼造新知识在仅有少量人工监督的情况下，至少6道的解答有很高概率是正确的。」
随后，奥特曼亲自转发并感慨：「我们从AI连小学数学都做不好，到AI能解决研究级别的数学问题，只用了短短几年。」
奥特曼以一贯的轻描淡写风格加了一句：「我也相当确定，大家的主要反应会是『也没那么难嘛』。」
嗯，典型的奥式凡尔赛。
奥特曼甚至表示，AI已经有了产生新知识的能力！
OpenAI总裁Brockman也转发表示振奋！
确实，这不是奥数竞赛题，不是考研真题，不是任何已经有标准答案的东西。
这是11位世界顶级数学家刚刚从自己的研究中挖出来、答案从未公开过的前沿问题。
人类专家自己解这些题，每道也需要好几天，甚至更久。
而OpenAI一个还没公开的神秘模型，一周搞定了其中大部分。
这到底是怎么回事？
一场硬核的数学考试
故事要从2月6日说起。
那天，来自斯坦福大学、哥伦比亚大学、哈佛大学、耶鲁大学、洛桑联邦理工学院等顶尖机构的11位数学家，联合发布了一篇名为「First Proof」（首次发酵）的论文。
这个名字本身就很有意思——在烘焙中，「first proof」指的是面团的第一次整体发酵，在分割成型之前让它慢慢膨胀。
数学家们把这次实验比作面团发酵：先把问题撒出去，让AI和社区一起「醒发」。
这11位出题人来头可不小。
其中Martin Hairer是2014年菲尔兹奖得主，Daniel Spielman是耶鲁大学的谱图论大牛，Lauren Williams是哈佛大学的代数组合学权威。
Martin Hairer
他们每人贡献了一道（或参与出了一道）从自己正在进行的研究中抽出来的真问题。
这10道题覆盖了数学中极为广泛的领域：代数组合、谱图论、代数拓扑、随机分析、辛几何、表示论、李群中的格、张量分析、数值线性代数。
网站地址：https://1stproof.org/
每一道题的证明长度大约在五页左右——这不是那种需要几百页论文才能搞定的世纪难题，而是数学家在研究过程中遇到的「引理」（lemma），也就是通往更大定理路上的一块关键垫脚石。
换句话说，这是一个优秀研究生可能需要苦苦琢磨一段时间的那种日常级研究任务。
关键是，这些问题的答案从未在互联网上出现过。
没有发表过，没有在任何会议上讲过，没有出现在任何公开场合。
答案被加密后上传到了1stproof.org。
这意味着，AI模型不可能通过检索训练数据来作弊。
数学家们的目标很明确：我们不想再看AI做奥数题了，我们想知道，AI到底能不能做真正的数学研究。
OpenAI的疯狂一周
消息一出，整个AI圈和数学圈都炸了。
斯坦福大学数学教授、First Proof团队成员Mohammed Abouzaid后来坦言：「我们完全没想到会引发这么大的动静，更没想到AI公司会这么认真地投入资源来做这件事。」
其中最引人注目的参赛者，当然是OpenAI。
根据Jakub Pachocki的描述，这并不是OpenAI倾巢出动的大会战，而是一次「Side-sprint」（副业冲刺）。
就像是工程师们在午休时间顺手搞的一个测试。
他们使用的是一个内测模型。
不是GPT-5.2，不知道它是不是GPT-6，还是某种更激进的架构。
这个模型在「有限的人工监督」下工作：OpenAI没有向模型提供数学思路或解题建议，但在某些解答上，根据专家反馈要求模型进行了扩展和补充。
他们还手动安排了这个内部模型与ChatGPT之间的对话，用于验证、排版和风格润色。
对于部分问题，他们从几次尝试中按照人类判断选出了最优解。
最终，OpenAI在2月13日提交了一份67页的PDF，包含了对全部10道题的解答尝试。
Pachocki自信地宣布：至少6道解答（第2、4、5、6、9、10题）有很高概率是正确的。
文档地址：https://cdn.openai.com/pdf/a430f16e-08c6-49c7-9ed0-ce5368b71d3c/1stproof_oai.pdf
OpenAI的另一位核心研究者Noam Brown也在社交媒体上高调喊话：「去年夏天IMO的结果公布时，有些人不以为然，说那只是高中数学。我们认为我们最新的模型将消除一切怀疑——STEM研究即将发生根本性变革。」
Noam Brown还在文中承诺，他们很快会发布这个新模型。
真相比宣传复杂得多
2月14日，First Proof团队公布了全部10道题的正式答案，并发布了他们自己用公开AI模型（GPT-5.2 Pro和Gemini 3.0 Deepthink）测试这些题目的经验报告。
有趣的是，官方论文中可能出现了一个小错误。
这里应该是2026，不是2025。
不过，这都不重要。
我们来看结论。
结论相当冷峻：在单次尝试的情况下，公开可用的最强AI模型只答对了2道题——第9题（张量代数关系）和第10题（核化CP-ALS子问题）。
而且第9题还存在疑似「数据污染」问题——一个几乎等价的证明已经存在于已有文献中。
第1题也被发现受到了污染，出题人Hairer网站上曾经有一个证明草稿的存档，但即便如此，AI也没能填上其中的关键缺口。
更耐人寻味的是Abouzaid对AI产出风格的评价：「我看到的AI给出的正确解答，有一种19世纪数学的味道。但我们要构建的是21世纪的数学。」
那么OpenAI自称的「6道很可能正确」到底怎么样了？
事态很快出现了戏剧性转折。
论文发布不到一天，数学社区就开始对OpenAI的解答进行逐题审查。
Pachocki自己很快更新了声明，承认第2题（关于扭曲局部Rankin-Selberg积分的非消没检验向量）的解答「很可能不正确」。
社区的独立评审则进一步发现，第5题（关于等变稳定范畴的O-适应切片滤过）和第7题（关于Q-无环万有覆叠的均匀格）的解答也存在严重漏洞。
到目前为止，根据《科学美国人》的报道以及社区数学家的独立评判，比较确定正确的是第4题（有限加法卷积的调和平均不等式）、第8题（四价多面体拉格朗日曲面的光滑化）、第9题和第10题。
其余几道仍在审查中，但整体来看，OpenAI的实际命中率很可能低于其最初宣称的六成。
依然是一个历史时刻
尽管真实成绩可能没有OpenAI宣传的那么辉煌，但我们不应因此低估这件事的历史意义。
哪怕最终确认只有3到4道题被正确解答，这也意味着一个AI，在面对从未见过的、真正前沿的数学研究问题时，能在一周之内独立（或半独立地）给出严格的数学证明。
这在几年前是完全不可想象的事情。
2022年，当时ChatGPT还经常在分数加减法上犯错。
2024年，AI开始能解一些竞赛数学题。
2025年夏天，OpenAI的模型在国际数学奥林匹克上拿到金牌成绩。
而现在——2026年2月——AI正在尝试解答人类数学家正在研究的、从未发表过的原创问题。
从小学算术到前沿研究，这条路走了不到四年。
这个速度，才是真正让人心跳加速的地方。
更值得关注的是那些被AI做对了的题目。
比如第4题，关于有限加法卷积中Φ_n函数的调和平均不等式——这需要一系列精巧的线性代数操作、对双随机矩阵的深刻理解、以及Jensen不等式的巧妙应用。
OpenAI的模型写出了一个自包含的23页证明，逻辑链条完整，最终被专家确认为正确。
一个AI，独立完成了一篇可以发表在数学期刊上的研究级证明。
这不是做题，这就是做研究。
数学家要失业了吗？
至少现在，还不会。
《科学美国人》在报道这次事件时给出的判断很直接：「AI目前还不能取代数学家。」
为什么？
因为数学研究远不止「证明一个已知问题」这一个环节。
真正的数学研究包括：发现值得研究的问题、创造新的概念和定义、构建新的理论框架——然后才是证明。
First Proof测试的只是最后一步，也是最机械化的一步。
而在前面那些需要真正的洞察力、审美判断和开创性想象的环节，AI目前连门都还没摸到。
但奥特曼说的也没错：速度是关键变量。
如果AI从做不了小学数学到能碰前沿研究只用了四年。
那再过四年呢？
有趣的是，一些顶尖数学家已经开始用脚投票。
哥伦比亚大学的数学天才Ashwin Sawhney从学术界休假加入了OpenAI。意大利数学家Pagano则去了Google DeepMind。
他们的理由出奇一致：「很明显这将改变我们做数学的方式，与其以后被动适应，不如趁早参与。」
面团还在发酵
First Proof团队已经宣布，他们将在3月14日（恰好是π日）发布更多细节和分析，并计划在未来几个月内发布第二批问题——附带更严格的评判标准和更完善的规则。
他们甚至愿意与AI公司签订协议，在问题公开前进行受控测试。
这不是一场考试的结束，而是一个新时代的开始。
数学——这门人类最古老、最纯粹的智力活动——正在第一次面临一个真正的对话伙伴。
这个伙伴有时胡说八道，有时又惊人地深刻。
它会用19世纪的语言说话，但运算速度是21世纪的。
它还不能代替数学家思考，但它已经可以在某些关键节点上为数学家分担工作。
面团还在发酵。
我们已经闻到面包的香味了。
参考资料：
https://x.com/merettm/status/2022517085193277874
https://x.com/polynoamial/status/2022527227049742779
https://x.com/sama/status/2022729068949717182
本文为作者独立观点，不代表心头鹿撞网立场，未经允许不得转载。
我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求，为完善跟帖评论自律管理，为了保护用户创造的内容、维护开放、真实、专业的平台氛围，我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容，同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。
一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规，对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息，主要表现为：
1)反对宪法所确定的基本原则；
2)危害国家安全，泄露国家秘密，颠覆国家政权，破坏国家统一，损害国家荣誉和利益；
3)侮辱、滥用英烈形象，歪曲、丑化、亵渎、否定英雄烈士事迹和精神，以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉；
4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动；
5)煽动民族仇恨、民族歧视，破坏民族团结；
6)破坏国家宗教政策，宣扬邪教和封建迷信；
7)散布谣言，扰乱社会秩序，破坏社会稳定；
8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪；
9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序；
10)侮辱或者诽谤他人，侵害他人名誉、隐私和其他合法权益；
11)通过网络以文字、图片、音视频等形式，对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法规禁止的其他内容；
2. 不友善：不尊重用户及其所贡献内容的信息或行为。主要表现为：
1)轻蔑：贬低、轻视他人及其劳动成果；
2)诽谤：捏造、散布虚假事实，损害他人名誉；
3)嘲讽：以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述，以此来激怒他人；
4)挑衅：以不友好的方式激怒他人，意图使对方对自己的言论作出回应，蓄意制造事端；
5)羞辱：贬低他人的能力、行为、生理或身份特征，让对方难堪；
6)谩骂：以不文明的语言对他人进行负面评价；
7)歧视：煽动人群歧视、地域歧视等，针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击；
8)威胁：许诺以不良的后果来迫使他人服从自己的意志；
3. 发布垃圾广告信息：以推广曝光为目的，发布影响用户体验、扰乱本网站秩序的内容，或进行相关行为。主要表现为：
1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式：
2)单个帐号多次发布包含垃圾广告的内容；
3)多个广告帐号互相配合发布、传播包含垃圾广告的内容；
4)多次发布包含欺骗性外链的内容，如未注明的淘宝客链接、跳转网站等，诱骗用户点击链接
5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光；
6)购买或出售帐号之间虚假地互动，发布干扰网站秩序的推广内容及相关交易。
7)发布包含欺骗性的恶意营销内容，如通过伪造经历、冒充他人等方式进行恶意营销；
8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。
4. 色情低俗信息，主要表现为：
1)包含自己或他人性经验的细节描述或露骨的感受描述；
2)涉及色情段子、两性笑话的低俗内容；
3)配图、头图中包含庸俗或挑逗性图片的内容；
4)带有性暗示、性挑逗等易使人产生性联想；
5)展现血腥、惊悚、残忍等致人身心不适；
6)炒作绯闻、丑闻、劣迹等；
7)宣扬低俗、庸俗、媚俗内容。
5. 不实信息，主要表现为：
1)可能存在事实性错误或者造谣等内容；
2)存在事实夸大、伪造虚假经历等误导他人的内容；
3)伪造身份、冒充他人，通过头像、用户名等个人信息暗示自己具有特定身份，或与特定机构或个人存在关联。
6. 传播封建迷信，主要表现为：
1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病；
2)求推荐算命看相大师；
3)针对具体风水等问题进行求助或咨询；
4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失，包括通过占卜方法问婚姻、前程、运势，东西宠物丢了能不能找回、取名改名等；
7. 文章标题党，主要表现为：
1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户；
2)内容与标题之间存在严重不实或者原意扭曲；
3)使用夸张标题，内容与标题严重不符的。
8.「饭圈」乱象行为，主要表现为：
1)诱导未成年人应援集资、高额消费、投票打榜
2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
5)通过「蹭热点」、制造话题等形式干扰舆论，影响传播秩序
9. 其他危害行为或内容，主要表现为：
1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的；
2)不当评述自然灾害、重大事故等灾难的；
3)美化、粉饰侵略战争行为的；
4)法律、行政法规禁止，或可能对网络生态造成不良影响的其他内容。
二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时，本网站将依据相关用户违规情节严重程度，对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号，或者滥用多个帐号发布违规内容时，本网站将加重处罚。
三、申诉
随着平台管理经验的不断丰富，本网站出于维护本网站氛围和秩序的目的，将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议，可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)
评论 
