AI數學考試拿分速度，快過科學家出題速度

Aletheia的成果以及近期AI在數學領域的其他突破都表明：我們急需全新、難度更高的評測基準來衡量AI能力，而且要快 —— 因為現有的基準很快就會失效。Burnham說：“現在已經有好幾代難度較低的數學評測基準徹底過時了。FrontierMath很可能在未來兩年內就會被頂尖AI模型刷到滿分，甚至速度可能更快?！?/span>

為應對這一問題，2月6日，由11位頂尖數學家組成的團隊發起了“First Proof”挑戰賽，公布了10道難度極高的數學題。這些題目均來自作者們的實際研究過程，其證明過程篇幅約5頁以內，且此前從未對外公開?！癋irst Proof”挑戰賽是一項初步嘗試，旨在評估AI系統獨立解決研究級數學難題的能力。

該賽事在數學界引發熱烈討論，專業數學家、業余愛好者以及包括OpenAI在內的團隊紛紛應戰。但截至2月14日作者們公布證明答案時，仍沒有任何團隊提交出全部10道題的正確解答。

First Proof：https://arxiv.org/abs/2602.05192

About the First Batch：https://1stproof.org/

posted the proofs：https://codeberg.org/tgkolda/1stproof/src/branch/main/2026-02-batch/FirstProofSolutionsComments.pdf

事實上，結果遠非理想。即便是出題團隊自己，借助Gemini 3.0 Deep Think和ChatGPT 5.2 Pro，也只解出了10題中的2道。除了OpenAI與谷歌DeepMind的小型Aletheia團隊外，大多數外部參賽隊伍的表現也好不了多少。在有限人工輔助下，OpenAI最先進的內部AI系統解出了5道題，Aletheia也取得了相近成績。這一結果在數學界引發了復雜反響，有人驚嘆，也有人失望?！癋irst Proof”挑戰賽團隊計劃在3月14日推出難度更高的第二輪比賽。

Burnham表示：“我認為‘First Proof’挑戰賽非常出色：它最貼近讓AI真正站在數學家的視角去解題。”盡管他十分認可“First Proof”能從廣泛數學領域檢驗AI的實用價值，但Epoch AI也推出了自己全新的測試方案 —— FrontierMath： Open Problems（前沿數學：開放問題）。這個試點基準的獨特之處在于，它包含了16道來自數學研究的公開難題（后續還會增加），均為專業數學家曾嘗試但未能解決的問題。自1月27日“Open Problems”基準發布以來，尚無AI能解開其中任何一道（https://epoch.ai/frontiermath/open-problems）。

Burnham說：“我們設計開放問題，就是想讓測試更有挑戰性。哪怕只是做出基礎結果，也至少能在專業期刊上發表?！备貏e的是，每道題都能自動評分。他補充道：“這有點反直覺 ——沒人知道答案是什么，但我們有一段程序，可以判斷給出的答案是否正確?！?/span>

Burnham認為，“First Proof”與“Open Problems”是互補的?！翱梢哉f，想了解AI的能力，評測越多越好。AI在某些方面已經超過大多數博士生了。所以我們必須提出這樣的問題：答案本身對人類數學家要有一定意義，不是因為AI在做，而是因為這是人類數學家真正關心的數學?！?/span>