OpenProblemBench 发布：GPT-6-Astra 解未解数学物理题达 14%
原文标题：OpenProblemBench: Benchmarking AI on Open Problems in the Foundational Theoretical Sciences
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文推出 OpenProblemBench，收录 82 个来自数学与理论物理文献的未解决问题，每题提供研究背景、假设与已有进展。四个评估模型独立判断提交的正确性、完整性与进展程度。在七种配置中，GPT-6-Astra 取得最高 14.0% 平均判定解决率，远超开源全尺寸模型的 5.5-6.7% 与 Flash 模型的 2.4-3.7%。
- 问题
- 缺少评估AI能否推进数学与理论物理未解问题的基准。
- 方法
- 构建82个文献中未解问题的基准，每题附背景与已有进展，用四个评估模型独立判定提交的正确性、完整性与进展。
- 结果
- GPT-6-Astra 平均判定解决率 14.0%，开源全尺寸模型 5.5-6.7%，Flash 模型 2.4-3.7%。
- 影响
- 给「AI 能否做原创科研」提供了可量化的评测入口，做科研智能体的团队应关注其判定口径。
深读 · 结论先行AI 生成展开看要点与影响 ↓
OpenProblemBench收录82道未解数学物理题，GPT-6-Astra判定解决率14%居首
- •基准含82个来自数学与理论物理文献的未解决问题，附背景、假设与已有进展
- •由4个评估模型独立判断提交的正确性、完整性与进展程度，不提供参考解
- •7种配置中GPT-6-Astra平均判定解决率最高，为14.0%
- •开源全尺寸模型为5.5-6.7%，Flash模型为2.4-3.7%
- •案例分析将更好结果与问题表示变化、超越有限证据的一般论证等联系起来
为什么重要：把评测对象从未解难题而非已有知识，为衡量AI能否参与基础理论科学提供了可比较的标尺。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
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。