开发者发布 NullPrime 基准，测试 AI 模型能否识别「自己不知道」
原文标题：Show HN: NullPrime – do AI models know when they can't know?
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
开发者 bmiedlar 开源 NullPrime，用一组剔除小素数整除特征的整数素数判定任务，作为不确定性估计、弃答与选择性预测的负对照基准。实验显示标准学习器能完美记忆训练集但在新样本上仅达随机水平，说明模型无法从表示中推断答案，也无法可靠地表达「不知道」。
- 问题
- 模型能否识别自己不知道，缺少负对照基准来检验不确定性估计与弃答能力。
- 方法
- 用剔除小素数整除特征的整数素数判定任务构造负对照，标准学习器可记忆训练集但无法泛化。
- 结果
- 新样本上仅达随机水平，训练集可完美记忆。
- 影响
- 给不确定性估计与选择性预测研究提供干净的反例基准，提醒工程师别把记忆当推理。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。