★ 5
OpenAI 一夜发布 722 篇数学论文，菲尔兹奖得主称不代表认可
OpenAI 公开其前沿大模型生成的大量数学研究成果，涉及黎曼猜想、霍奇猜想、BSD 猜想等重大方向，数量达 722 篇。三位菲尔兹奖得主表示，成果公开并不代表学界对其认可。该事件引发关于 AI 生成数学证明可信度与验证机制的广泛讨论。
量子位26 天前
#数学推理
共 55 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 5
OpenAI 再抛数学突破成果引争议
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。
The Verge AI26 天前
★ 5
OpenAI 公布数学难题突破成果
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…
OpenAI26 天前
★ 5
OpenAI据报接近攻克霍奇猜想
据报道OpenAI已接近解决千禧年大奖难题之一的霍奇猜想，员工预计不久后可能得到解决。若属实，这将是AI在纯数学前沿的又一标志性突破，此前OpenAI已宣称解决另一千禧年难题。该消息引发学界对AI数学能力的广泛关注与质疑。
36氪44 天前
★ 4
OpenProblemBench 发布：GPT-6-Astra 解未解数学物理题达 14%
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…
arXiv cs.AI23 天前
★ 4
OpenAI 发布前沿大模型全新数学能力测试成果
OpenAI 通过 GitHub 代码库公开其内部前沿大模型生成的一系列全新数学研究成果，并附带论文修订与引用的规范协议。成果包含 Lean 语言形式化证明，可让数学证明直接通过计算机校验。单份成果平均消耗算力约等于 ChatGPT Pro 三小时深度推理时长。
36氪26 天前
★ 4
OpenAI 解错了纳维-斯托克斯问题？
Hacker News 上热议 OpenAI 是否解决了错误的纳维-斯托克斯问题，热度 63 分、31 条评论。此前 OpenAI 宣称在数学难题上取得突破，但社区质疑其求解的并非原始问题，涉及 AI 数学推理能力的真实边界。
Hacker News41 天前
★ 4
OpenAI 成立数学顾问组，AI 解出百余开放问题
OpenAI 成立数学顾问小组，因其 AI 系统已解决超过 100 个开放数学问题。该顾问组无权放缓或改变 OpenAI 的数学研究方向。此事延续了 AI 攻克数学难题引发的关注与争议。
TechCrunch AI41 天前
★ 4
ZGCM-1 全开源高效数学与智能体搜索模型
论文发布ZGCM-1，一个从零训练的全开源7B稠密基础模型，强调数据、系统与算法效率。模型采用交错门控滑窗与全注意力、稳定的FP8 Muon优化器，支持256K上下文，并在数学推理与智能体搜索任务上媲美Qwen3-235B-A22B、GLM-5.1等大得多的前沿模型。预训练设计在16K上下文下带来…
arXiv cs.AI47 天前
★ 4
GPT-6 Astra 刷穿 FrontierMath Tier 4
GPT-6 Astra 在 FrontierMath Tier 4 上取得突破，被称 AI 数学的最后一道高墙被攻破，该基准测试趋于饱和。这标志着大模型在高难度数学推理上的能力再上台阶。
量子位50 天前
★ 4
Magenta：打通数学推理与Lean形式化验证的闭环
论文提出Magenta，一个免训练的智能体流水线，仅给定自然语言问题即可产出答案、将其表达为Lean 4命题并构造机器可验证的证明。系统包含命题裁判以验证形式化是否保留原问题，以及错误归因裁判将失败尝试路由到数学重新推导或局部Lean修复。Magenta在AIME 2025、AIME 2026和H…
arXiv cs.AI50 天前
★ 3
Terence Tao 谈 AI 数学解题为何偏离重点
数学家 Terence Tao 在 Science Friday 访谈中指出，当前 AI 在数学竞赛题上的表现被过度解读，真正的数学价值在于提出问题与构建证明结构，而非快速给出答案。他认为 AI 数学工具应定位为辅助探索，而非替代数学家的判断。
Hacker News – AI13 小时前
★ 3
h1 框架：简单智能体循环在 Lean 4 定理证明达 SOTA
论文提出 h1，一个仅给模型提供高效 Lean 4 接口、依靠验证器反馈与自我反思持续迭代的简单框架，不预设分解或搜索结构。h1 在 PutnamBench、FATE-X、FormalConjectures100-Solved 上取得 SOTA，并解决 FormalConjectures 中 8 …
arXiv cs.LG4 天前
★ 3
OpenAI 公布模型在 Kakeya 猜想等数学难题上的结果
OpenAI 公开了模型在 Kakeya 猜想、指数时间假设与量子色动力学等问题上的计算结果，并说明研究者如何验证与在此基础上继续推进。这延续了 AI 模型参与数学与基础科学研究的讨论。
OpenAI7 天前
★ 3
研究揭示强化学习对推理模型的关键决策贡献
研究通过对 Qwen3-4B-Base 的生成时干预，量化 RLVR 训练带来的推理增益来源。发现仅在约 4% 的生成位置借用 RL 模型的 token 即可恢复 90.5% 的 pass@1 增益，而强制以「Alright」开头可恢复 35%。结果表明开头 token 贡献有限，更大增益来自后续…
arXiv NLP12 天前
★ 3
TAR 框架提出自适应回放保留 RLVR 推理多样性
论文研究 RLVR 降低大模型推理行为多样性的现象，指出有限在线采样会逐步压制语义不同但同等奖励的推理模式。提出 TAR 目标自适应回放框架，构建基座模型多样解的记忆库，仅在存储行为被压制时选择性回放。在六个数学推理基准和两个 Qwen2.5 规模上，TAR 在性能与多样性间取得更好平衡。
arXiv NLP12 天前
★ 3
CoTranslator：逆向转正向思维链推理蒸馏
研究提出 CoTranslator，将逆向思维链响应翻译为经拒绝采样验证的正向响应分布，用于高效生成学生训练数据。在六个数学基准上平均准确率最高提升 5.82 个百分点，4B 学生模型以 35.9% 算力保留 95% 拒绝采样精度。该方法无需重训即可迁移至新数据集、教师与 STEM 任务。
arXiv NLP16 天前
★ 3
PreSO 提出特权表示隔离的在线自蒸馏方法
论文提出 PreSO（Privileged Representation Isolation for On-Policy Self-Distillation），用于将 RLVR 的稀疏结果信号转化为密集的 token 级监督。方法在源头用紧凑提示限制解特定细节，在目标端从跨问题共享的低秩子空间投影…
arXiv cs.LG18 天前
★ 3
arXiv 论文：CIG-SFT 条件信息增益后训练框架
论文指出模型兼容性不等于学习价值，提出信息论框架 CIG-SFT，估计每个示范 token 携带的任务条件信息，并转化为 KL 正则化的 SFT 目标。在数学推理与代码生成基准上，CIG-SFT 优于标准 SFT 与近期自适应微调方法，泛化提升尤为明显。
arXiv NLP20 天前
★ 3
CBPO：统一离线示范与在线策略 rollout 的推理后训练方法
研究者提出 Cross-Behavior Policy Optimization（CBPO），通过固定参考目标的回归损失，将离线示范、参考回答以及当前与历史 rollout 统一到同一优化框架中，无需单独协调 SFT 与 RL 目标，也无需重要性权重或学习 critic。在四个数学推理基准上，CB…
arXiv cs.LG20 天前
★ 3
MathVis 基准发布：GPT-6-Astra 等模型图解数学推理通过率仅三成
论文推出 MathVis 基准，含512个数学可视化任务，要求模型生成 TikZ/SVG 图形辅助推理。GPT-6-Astra、Claude Fable 5、Gemini 3.1 Pro Preview 的 pass@1 分别为31.25%、26.56%、22.85%。研究发现模型输出偏向形式语言…
arXiv cs.AI20 天前
★ 3
MagicBeanStalk 提出递归数据合成，破解 RLVR 零优势陷阱
论文指出常用开源数学语料约88%的问题落入零优势陷阱，即每次 rollout 全对或全错。为此提出 MagicBeanStalk 递归数据合成算法，自顶向下分解、自底向上生长出难度校准的新问题。在8个数学基准上，gpt-oss-120b 从61.2提升至69.8，DeepSeek v4Flash …
arXiv cs.AI20 天前
★ 3
Residual Advantage：面向可验证奖励 RL 的学生相对教师引导方法
研究者提出 Residual Advantage（RA），将教师-学生概率残差作为有界单步奖励，减去学生策略下的状态值形成标准优势，并在响应内中心化后加入验证器优势。配合 Qwen3 系列学生与教师模型，RA 结合 GRPO 或 REINFORCE++ 在三个数学基准的 24 项对比中全部提升，P…
arXiv NLP23 天前
★ 3
论文提出 ARG 方法：平衡推理强化学习中的参考引导与自由生成
论文研究推理模型训练中参考解前缀引导的适度问题，通过前缀续写与验证回退比较轨迹分布。作者推导 KL 散度闭式解，提出自适应参考引导 ARG，从续写结果学习前缀选择器，无需估计成功概率。在 Qwen3-4B 与 Qwen3-8B 五个数学推理基准上，ARG 取得最高聚合 pass@12。
arXiv cs.AI23 天前
★ 3
OpenAI 数学成果与分拆原理引热议
一篇讨论 OpenAI 数学工作与「分拆原理」的文章在 Hacker News 引发 142 分热度与 223 条评论。讨论聚焦 OpenAI 在数学推理领域的进展及其方法论争议。
Hacker News24 天前
★ 3
ChatGPT 能解千禧数学难题，但论文复现率仅 13.98%
有测试显示 ChatGPT 能破解千禧年数学难题，但在论文复现任务上的成功率低至 13.98%。以 PaperBenchX 为代表的基准被认为能更真实地衡量 AI 的科研能力，凸显当前模型在可复现研究上的短板。
量子位24 天前
★ 3
SAPD 免 rollout 自蒸馏提升数学推理
研究提出步对齐特权蒸馏 SAPD，一种无需 rollout 的自蒸馏方法，把固定示范转化为步对齐的分布监督，用参考解的已知推进过程为每个推理步骤提供针对性特权指导。在数学推理基准上平均优于监督微调与标签平滑，与在线策略强化学习和自蒸馏相当，训练循环提速约 2 倍，并基本保持域外代码能力。
arXiv NLP24 天前
★ 3
DART-ES：难度感知的进化策略微调
论文针对进化策略（ES）微调大模型时奖励均匀平均、难以反映题目学习价值变化的问题，提出 DART-ES。该方法根据扰动群体的通过率估计题目难度状态，联合指导难度重加权与稀有可解样本回放。实验在五个基座模型上均优于 ES，GSM8K 平均准确率从 72.07% 提升至 73.53%，且相比 GRPO…
arXiv cs.LG25 天前
★ 3
研究者提出HEST双曲熵引导激活干预方法
论文观察到LLM数学推理呈树状结构，在少数高下一token熵的分支点展开，这类结构在双曲空间中嵌入失真远低于欧氏空间。作者提出Hyperbolic Entropy Steering（HEST），用仅以模型自身下一token熵为标签的轻量探针将隐藏状态嵌入庞加莱球，在熵超阈值时沿测地线调整状态。在Q…
arXiv cs.LG27 天前
★ 3
Seg-OPD：分段在线策略蒸馏修正推理
针对token级在线策略蒸馏无法提供连贯的替代推理步骤、且在退化前缀上会强化错误模式的问题，提出分段在线策略蒸馏Seg-OPD：基于不确定性指标选择学生片段并获取教师重写，训练学生偏好教师重写同时保留token级监督。在数学推理与竞赛编程任务上平均相对提升5.22%。
arXiv cs.AI27 天前
2026-W44本周数学领域由一起争议主导：10-30 OpenAI 被指抄袭并威胁数学家，千禧难题风波升级，4 篇报道。事件性质从学术讨论转向对 AI 公司与学界关系的质疑，相比常规研究进展，本周该主题的公共议题色彩明显加重，讨论焦点是行为与伦理而非数学成果本身。