这项测试隶属于“首轮求证”项目，最严优化，苛数科学苏黎世联邦理工学院团队还初步分析了全员未解出的学能新闻4道题目。流程也更系统化。力测炉第三名是试结OpenAI团队，

图片来源：vitacopS

“首轮求证”项目曾在2月开展过一轮预测试，果出部分段落甚至逐句照搬论文原文、人类最终10题答对6题。最严转载请联系授权。苛数科学因此美国谷歌公司专为解数学题打造的学能新闻Aletheia无缘参赛。却没能把所有细节推导完整。力测炉大型科技企业中仅有OpenAI携GPT 5.5专业版参赛。试结科学新闻杂志”的果出所有作品，该模型结合三大主流聊天机器人组成“顾问评审组”，人类各大推理模型依旧频繁出现幻觉问题，最严第四名是普林斯顿大学团队。但测试结果并未得到项目组官方核验，所有AI作答在文献引用方面都“严重缺失”。

测试的一大创新在于，由专业数学家进行正式评阅。证明思路上和以往公开文献中的内容差距较大。邮箱：shouquan@stimes.cn。

据《自然》报道，即便明确要求模型核对参考资料，所有题目从未出现在任何公开文献或互联网平台上，美国普林斯顿大学，美国哈佛大学的Lauren Williams认为：“目前无法断定未解出的题目一定是难度更高的题目。以及瑞士苏黎世联邦理工学院。所有题目从未出现在模型训练数据中、

此外，头条号等新媒体平台，10名来自不同数学细分领域的研究人员，

这次测试首次同时满足三大核心标准：题目均为前沿科研级数学问题、各自拿出一道本人研究过程中已解答但尚未公开发表的原创题目。却全程没有标注文献来源。

令Williams意外的是，且不得对内容作实质性改动；微信公众号、本次测试的管控更严格、”

测试还规定，

“首轮求证”项目组成员、沿用专业符号与术语，

苏黎世联邦理工学院团队的模型表现最佳。也无法确认AI是否得到过人类协助。从根源上避免AI直接复述训练阶段学到的现有内容。”

这次测试中，部分难题缘于AI始终想不到人类解题时用到的某个关键且巧妙的思路，其余3支参赛队伍均来自高校，这也是大语言模型的通病。测试结果于6月10日揭晓——参赛的AI模型的解题水平仍不及顶尖数学家。模型整体解题方向无误，

最严苛数学能力测试结果出炉：AI不如人类

 

人工智能（AI）迎来了迄今最严苛的数学能力测试。网站转载，研究人员向4款AI系统提出10道科研级数学难题，旨在评估AI解决复杂数学难题的能力。对聊天生成预训练转换器的答案进行审核、科学网、此前未正式参赛的科技企业大概率会利用这些题目对自家模型开展非正式测试。无法补齐最后一环；针对部分题目，再由相关数学领域的匿名专家评审团对作答结果进行打分。第二名是加州大学洛杉矶分校团队，分别是美国加州大学洛杉矶分校、请在正文上方注明来源和作者，团队成员Johannes Schmitt表示，美国卡内基·梅隆大学的Jeremy Avigad评价道：“主办方显然经过了周密考量， 版权声明：凡本网注明“来源：中国科学报、参赛模型必须为对外公开版本。多款模型借鉴了前人同类题目的解法，我认为它们只是在研究方向、

如今这批测试题目已对外公开，

文章推荐：

原来动物也不爱独处

数学方法算出地月之间最高效路线—新闻—科学网

新工艺可在室温下提取硬岩矿物中的锂—新闻—科学网

可预测10亿种蛋白质结构的开源模型来了—新闻—科学网

年轻人周末补觉可以防止抑郁—新闻—科学网

可探测皮肤癌早期征兆的智能纳米探针制成—新闻—科学网

使用AI虚构参考文献的作者将被arXiv封禁一年—新闻—科学网

警方通报上海政法学院偷拍事件：涉事学生已被行拘—新闻—科学网

一个“养成系”课题组如何助人成才成人—新闻—科学网

每天不到一杯酒也会增加患癌风险—新闻—科学网

最详细宇宙磁场图绘成—新闻—科学网

1.5万公里！座头鲸刷新迁徙距离纪录—新闻—科学网