AI七个月突破数学家“围剿”反超人类！14位数学家深挖原始推理token：不靠死记硬背靠直觉
大模型o3-mini-high在7个月内从只能答对2%的数学题目提升至答对22%，引发了数学家们对其推理机制和局限性的讨论。研究发现，o3-mini-high依靠广泛的知识储备而非精确证明，并依赖直觉而非严格推导。同时，它缺乏创造力、理解深度以及形式精确性，表现出一定程度的幻觉现象。
FrontierMath
o4-mini暴击六大数学天团，攻破陶哲轩难题！4.5h激战人类阵地失守
不到两年，o4-mini与40位数学家挑战300道菲尔兹奖级难题，一举击败6组团队，碾压人类平均水平。Epoch AI举办比赛考察AI数学能力进展，结果显示AI在FrontierMath上解决了约22%的题目，而人类总体上解决约35%的题目。未来1-2年内，『超级程序员』和『AI数学家』将取得重大突破。
40位数学家组成8队与o4-mini-medium比赛，6队败北
在FrontierMath基准测试中，O4-mini-medium击败了由数学专家组成的团队。尽管AI尚未达到超人水平，但有观点认为它很快就会超越人类。
OpenAI被爆造假！o3碾压一切的数学能力，全靠“作弊”
OpenAI因在FrontierMath数学基准测试中作弊而陷入风波，被指获得了题库的特权访问权，并资助了该测试。此举引发了业界对于OpenAI领先优势是否真实存在的质疑，同时也暴露了其商业化压力下的困境。
OpenAI 陷造假风波！o3 提前看过了FrontierMath数据？
OpenAI再次陷入信任危机，被揭发从一开始就可访问FrontierMath全部数据，引发业界哗然。事件揭示了数据使用、透明度及诚信问题，引发了广泛讨论与质疑。
震惊！OpenAI“造假”石锤？ 秘密参与数学基准测试，FrontierMath 透明度遭质疑
Epoch Al 在与 OpenAI 合作的 FrontierMath 项目中因透明度问题道歉，并承认沟通失误。他们承诺改进未来的工作。