文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
编辑：Aeneas 好困
【新智元导读】最近 ， 30位世界顶尖数学家亲自出马 ， 在UC伯克利对OpenAI o4-mini展开「围剿」 ， 两天连出教授级难题 ， 结果却当场集体「破防」！有人直言：这个AI ， 的确已接近数学天才的水平 。 曾经以为AGI遥遥无期 ， 如今仿佛只剩临门一脚了……
AI做数学 ， 到底有多强？
就在最近 ， 30位世界著名数学家齐聚UC伯克利 ， 希望在一次秘密数学会议上超越AI 。
在连续两天用教授级难题轰炸这个AI后 ， 研究者们惊愕地发现 ， 它居然能解除一部分这世界上最难的可解问题！
其中一位数学家当场折服 ， 直言这些模型已经接近了数学天才的水平 。
【全球30名顶尖数学家秘密集会围剿AI当场破防！惊呼已接近数学天才】
顶尖数学家们 ， 服了
在五月中旬的一个周末 ， 一场秘密数学峰会悄然召开 。
三十位全球顶尖数学家与一个推理聊天机器人展开对决 ， 后者需要解答专家们专门设计的难题 。
结果如开头所见 ， 数学家们彻底服了 。
本次参赛的这个机器人 ， 背后就是OpenAI的o4-mini ， 它已经能进行极其复杂的推理 。
当然 ， 它并不是世界上唯一有此能力的模型 ， 谷歌的Gemini 2.5 Flash也具备相似的能力 。
为什么o4-mini做起数学题来 ， 能这么强？
这是因为 ， 它是基于专门的数据集训练 ， 并获得了更强的RLHF 。 这种方法 ， 就能让它比传统的LLM更深入地钻研复杂数学问题 。
Epoch AI ， 寻根问底
而训出o4-mini后 ， OpenAI也一直十分关注它的解题能力 。
为了追踪o4-mini的进展 ， OpenAI此前曾委托非营利组织Epoch AI设计300道解法尚未公开的数学题 ， 专门来考验大模型 。
这些题的亮点就在于 ， 因为解法并未问世 ， 就绝不可能存在于训练数据中 。
果然 ， 当Epoch AI用这些与训练数据截然不同的问题去测试几款推理模型时 ， 它们几乎全部翻车了 。
即使表现最好的模型 ， 解出率也不到2% 。
LLM做数学 ， 真的不行么？Epoch AI没有放弃探索 。
2024年9月 ， Epoch AI 聘请了刚获得数学博士学位的Elliot Glazer ， 参与到一个代号为FrontierMath的全新新基准测试项目中 。
这个项目的目的 ， 就是收集不同难度登机的全新数学题 。 其中 ， T1-T3分别覆盖本科、研究生及研究级别的挑战 。
结果 ， o4-mini让人刮目相看 。
到2025年2月 ， Glazer发现 ， o4-mini竟然能解出约20%的题目！
接着就在今年5月 ， Epoch AI还举办过一场竞赛 ， 邀请了约40位数学精英 ， 分成8组 ， 每组由学科专家和优秀本科生组成 。
他们要与AI一同在陶哲轩等人提出的FrontierMath基准上 ， 展开终极对决 。
比赛一共23题 ， 限时4.5小时 ， 实验最终得出：
o4-mini-medium碾压人类平均水平（19%） ， 解决了约22%题目 。
不过 ， o4-mini能够解决的问题 ， 至少被一组数学家团队破解 。 由此 ， 人类团队总体上解决了约35%的题目 。
结果显示 ， o4-mini一共击败六组团队 ， 在数学领域展现了惊人的潜力 。
T4级测试 ， 开始
随后 ， 他开始着手进行第四等级的测试——这次 ， 要找出100道即使对专业数学家也极具挑战性的难题 。
放眼全球 ， 能提出这种问题的人寥寥无几 ， 更不用说给出解答了 。
为此 ， 他要求了全球顶尖的数学家 ， 要求他们必须签署保密协议 ， 甚至只能通过加密通讯应用Signal交流 。
因为他担心 ， 如果用电子邮件这类传统的联络方式 ， 有可能就会被LLM扫描到 ， 无意中成为训练数据 ， 从而污染整个测试数据集 。
由于采用的方式格外严谨 ， 起初项目的进展十分缓慢 。
为了加快进度 ， Glazer推动Epoch AI 在5月17日（周六）和18日（周日）这两天 ， 举办了这场线下会议 。
在会上 ， 数学家们将敲定最后一批最高阶的数学难题 。
绞尽脑汁 ， 誓要难倒AI
弗吉尼亚大学数学家、会议领导者兼评委Ken Ono将30名与会者分为六人一组 。
在为期两天的会议中 ， 这些顶尖学者需要相互比拼 ， 看谁能设计出自己能解、却又能难倒 AI推理机器人的题目 。
这个项目的奖励 ， 也是十分诱人 。
o4-mini每解不出一道题 ， 该题的出题人便能获得7500美元的奖励 。
结果谁都没想到 ， o4-mini给了数学家们致命一击！
在周六深夜 ， 全场数学家 ， 都感觉十分挫败——o4-mini出人意料的数学天赋 ， 直接让整个小组的努力付诸东流 。
Ono出了一道题 ， 是他专业领域内的专家都公认的数论开放性问题 ， 可以说是一道非常不错的考题 ， 已经达到了博士生的水平 。
他充满信心地把这道题给了o4-mini ， 结果在接下来的十分钟里 ， 他直接遭受了暴击！
只见o4-mini如行云流水一般 ， 实时演算出了完整的解法 ， 还同步展示出了自己的推理过程 。
它先花了两分钟 ， 检索并吃透了相关领域的文献 ， 然后在屏幕上写道 ， 为了学习 ， 它想先尝试一个简化的「玩具」版本 。
几分钟后 ， 它写道 ， 自己已准备好解决那个更难的原题 。
又过了五分钟 ， o4-mini 给出了一个正确却又俏皮得意的解答 。
Ono描述道：它开始变得得意洋洋 ， 甚至还加上一句 ， 「无需引用 ， 因为这个神秘数字由我算出！」
数学家大受打击：我以为AGI永远不会到来
大受打击的Ono在周日一大早就赶紧登上Signal ， 向所有与会者通报了情况 。
我完全没料到 ， 要跟这样的LLM交手 ， 也从未在模型中见过如此强大的推理能力 。 这分明是科学家的工作方式 。 这太可怕了 。
最终 ， 团队还是成功找到了10道难倒机器人的题 ， 但AI的惊人能力 ， 仍然让所有研究人员惊叹不已 。
Ono感觉 ， 与它共事就好像与一位「强大的合作者」协作 。
伦敦数学科学研究所的数学家、AI数学应用先驱之一的Yang Hui He说：「这是一个顶尖优秀的研究生才能做到的事——不 ， 实际上它做得更多 。 」
而且 ， o4-mini的速度也令人惊异 。 它远远超越了专业的数学家 ， 人类专家需要数周甚至数月才能完成的工作 ， 它只需要几分钟 。
不仅如此 ， 这次o4-mini的进步 ， 也给人类敲响了警钟 。
Ono和He都担心 ， o4-mini给出的结果可能会被人们过度信赖 。
「证明方法有归纳法、反证法 ， 现在又多了个恐吓法 。 」Yang Hui He说 。
「当某人用足够权威的口吻说话时 ， 人们会感到敬畏 。 我认为o4-mini已经掌握了恐吓式证明的精髓 ， 因为它说每句话时都带着不容置疑的自信 。 」
会议临近结束时 ， 整个团队也开始思考 ， 数学家的未来将何去何从 。
讨论转向了那个无法回避的T5——那些连最顶尖的数学家也无法解决的问题 。
如果最终 ， AI达到了那个层次 ， 那么显然 ， 数学家的角色将经历剧变 。
到那时 ， 数学家或许将转向只负责提出问题 ， 并与推理机器人互动 ， 引导它们发现新的数学真理 ， 就像教授指导研究生一样 。
因此 ， Ono预测 ， 在高等教育中培养创造力 ， 将是让数学这门学科薪火相传的关键 。
「我一直告诉我的同事们 ， 那种认为AGI永远不会到来 ， 认为它不过是台计算机的想法 ， 是大错特错的 。 」Ono说 。
「我不想渲染恐慌 ， 但在许多方面 ， 这些LLM已经超越了我们世界上绝大多数最优秀的研究生 。
陶哲轩：早就知道了
其实AI做数学研究的这种超绝能力 ， 陶哲轩早就心知肚明了 。
最近 ， 他一直在社交平台上做出密集分享 ， 给我们汇报AI解数学题的惊人进展 。
比如就在几天前 ， 他刚刚分享了这个消息 。
一道封尘18年的数学难题 ， 在短短30天内被AlphaEvolve与人类联手三度突破！
6月2日 ， Fan Zheng在arXiv亮出的最新论文——又又又一次把和差集指数θ纪录往上推了0.000027 ， 从1.173050提升到了1.173077 。
0.000027——一个在显微镜下才分辨得出的跨度 ， 却把加法组合学的天花板又往上顶了一寸 。
论文地址：https://arxiv.org/abs/2506.01896
如此迅速、连续的取得进展 ， 都离不开数学家与AI（AlphaEvolve）的相互配合 。
这种突破让陶哲轩都惊叹：「对我而言 ， 这是一个引人入胜的例证 。 」
陶哲轩认为 ， 这展示了未来的数学研究中 ， 高度计算机辅助、中度计算机辅助与传统「纸笔」方法之间将如何相互作用 。
这些范式各有优劣 。
例如 ， 当前的AlphaEvolve还极难用上后续论文中使用的渐近构造；但另一方面 ， 若没有AlphaEvolve的暴力搜索 ， 人类方法也很难发现这些改进的切入点 。
而在上个月 ， 陶哲轩还刚刚联手AI ， 挑战了分析学经典中的「ε-δ」极限问题 。
GitHub Copilot在帮助新手入门和处理基础任务时表现得相当不错 。
它能帮助用户快速上手Lean语言 ， 提供语法提示 ， 并智能补全基本定义和声明 。
在比较简单的证明 ， 比如函数极限的和定理中 ， Copilot还能准确预测证明结构和关键步骤 ， 表现得就像个得力助手一样 。
但当证明变得复杂时 ， Copilot的短板就暴露出来了 。
比如在处理函数极限的差和积定理时 ， 它在复杂的代数推导、寻找合适的数学引理（比如与绝对值相关的引理）等方面显得力不从心 。
Copilot有时还会出现「幻觉」 ， 生成压根不存在的策略 ， 或者犯一些低级错误 ， 导致证明过程乱成一团 。
这时 ， 陶哲轩不得不亲自出马 ， 修正错误 ， 甚至完全接管证明 。
但总之 ， 现在LLM的发展 ， 已经让我们愈发接近曾经陶哲轩的那个预言了——
在2026年 ， AI将与搜索和符号数学工具相结合 ， 成为数学研究中值得信赖的合著者 。
参考资料：
https://www.scientificamerican.com/article/inside-the-secret-meeting-where-mathematicians-struggled-to-outsmart-ai/
推荐阅读
- 全球最小Linux计算机问世：比护照还小 带屏带麦功能全
- 全球首款鸿蒙PC！华为MateBook Pro鸿蒙笔记本开售：7999元起
- 全球首款 102.4T 以太网交换机芯片！
- 搭载全球首款102.4Tbps交换机芯片，博通 Tomahawk 6 正式出货
- 被网友认为快要倒闭的三星：4项全球第一，国产还不是对手
- DeepSeek R1完成升级，成为全球前二AI实验室
- 450Wh/kg量产！陀普科技超高性能电池斩获全球头部无人机企业青睐
- AI眼镜Rokid Glasses即将上市，全球订单火爆
- 全球首款移动2nm芯片！苹果A20重大飞跃：手机SoC史上第一次
- 韩媒：暴增93%，中国横扫全球设备！