详情

梦晨 发自 凹非寺

刚出说念的GPT-6 Astra，又科罚了5说念Erdős数学难题。

服从来自Epoch AI和曼彻斯特大学发布的的FrontierMath Erdős（FME）基准测试论文。

68说念东说念主类于今未解的数学难题，5个顶级AI模子同场磨真金不怕火。

GPT-6 Astra得到“全场唯一收获非0分模子”成就，得分率3%。

另外4个模子，GPT-5.6 Sol、GPT-5.5、Claude Fable 5.1、Claude Fable 5都交了白卷，通通0分。

在放宽议论预算的追加测试中，GPT-6 Astra悉数解开了5说念。

其中一起是Erdős本东说念主1931年建议的“也许是我第一个谨慎的问题”。另一起是1962年建议、被称为“极值图论中最诱东说念主的问题之一”的Erdős-Sós猜思。

近来AI攻克数学怒放问题的音讯不断传出。

2026年5月OpenAI告示AI推翻了单元距离猜思，7月非凡学家用Claude Fable 5发现了三维Jacobian猜思的反例，8月OpenAI又公布了AI在十个数学和表面议论机科知识题上取得的新服从，其中就包括几许Erdős问题。

但陶哲轩在2026年外洋数学家大会（ICM）的回报中平直指出，这些服从大多“不是在受控的科学条目下取得的”，存在五个方面的问题：

只回报捷不报失败导致告捷率未知，算力消耗不公开，东说念主类开采进度不透明，教悔数据可能已包含谜底，以及不同模子之间从未作念过系统相比。

FME即是对这些品评的平直回话。

它的中枢想象逻辑是：

第一，用未解问题排斥数据污辱。既然莫得东说念主类解出过，模子就不成能从教悔数据中”背谜底”；

第二，要求AI用Lean阐述助手提交神志化阐述。由Lean内核作念最终裁决，通过即是阐述了，欠亨过即是没阐述，莫得恶浊空间；

第三，整个模子在十足疏导的条目下作答。每说念题预算300好意思元、责任时限72小时、尝试一次。

此前也有过两个面向怒放问题的数学基准，HorizonMath和FrontierMath: Open Problems（FM:OP）。

但它们都依赖“生成-考据”时势，只可隐蔽那些解是可议论考据的具体对象（比如一个图、一个多项式、一个算法）的问题，绝大多数需要阐述一般人命题的怒放问题压根无法纳入。

而且考据才略并不十足可靠，HorizonMath我方承认接受的封锁神志”最佳视为猜思直到被阐述”，FM:OP在2026年7月还因考据器瑕疵移除了两说念题，并揣测其10%到40%的问题可能自己就无解。

FME的神志化阐述神志将隐蔽边界大幅拓展：只须一个猜思的叙述能在Lean中神志化，就不错纳入基准。而且即使猜思为假，模子也不错通过阐述其否命题来完成任务。

考据才略的安全性也流程全心想象。

每次尝试被分到两个彼此箝制、均无汇集拜谒权限的Docker容器中。Agent容器供AI责任并领有完满Shell权限，Comparator容器舍弃干净的Lean器用链负责考据。

AI提交的Lean源代码由Comparator重新通过Lean内核从新编译考据，能守护删改环境、坏心编译期间码、阐述不同命题、从新界说依赖项、假定论断、绕过内核等多种舞弊技能。

68说念Erdős难题何如选的

Paul Erdős是20世纪最多产的数学家之一，数论和组合学规模的领军东说念主物，以建议浩繁难度差异、影响潜入的问题而闻明。

这篇论文的第二作家Thomas F. Bloom来自曼彻斯特大学，是erdosproblems.com网站的挪动者，该网站系统汇集了Erdős生前建议的怒放问题。FME的68说念猜思即是Bloom从网站上652个怒放问题中亲手挑选的。

他的选题圭臬唯唯独个：选最贫困、最非凡学道理的那些。

必要条目是，不管正面一经反面科罚了其中任何一起题，若是出自东说念主类之手，都值得在顶级期刊上发一篇论文，况且会引起相关规模好多贪图者的深嗜深嗜。大多数入选问题在畴前几十年中已领受到浩繁数学家的柔软。

Bloom此前曾公开品评过用erdosproblems.com上的问题来计算AI阐发，原因是这些问题难度和紧迫性芜乱不皆。

此前被AI科罚的好多Erdős问题其实相比冷门，是网站将它们从新推向公众视线后才受到柔软的，解法也仅仅对已知技艺的简便修改。

但单元距离猜思（第90号）、第146号和第183号属于例外，它们是各自规模的闻名问题，此前已有浩繁论文和部分服从，被AI科罚标记着AI数学贪图才略到达了一个新的阶段。

FME即是尝试提前锁定那些同等第别的”硬骨头”。

68条猜思之间被很是选为彼此自在，解开一起不应平直给出另一起的谜底，若是发现了这么的蕴含关系，自己即是一个有道理的数学服从。

Erdős生前时时为我方的问题设定赏格金额以反馈其紧迫性和难度，FME中包含了好多高赏金问题，但也包含了不少莫得赏格的问题，同期打消了一些虽有高赏金但不够真理的题目。

技艺收场上，68条猜思中有50条的Lean 4叙述平直取自Google DeepMind挪动的开源Formal Conjectures库，其余17个问题由论文作家通过自动神志化活水线补充完成，Bloom一一审核证据其诚实于原始数知识题。

AI作答时配备了Lean 4器用链与Mathlib、SageMath议论代数系统、Python数学库，以及47.6万篇arXiv纯数学论文的离线LaTeX源码看成参考文件库。

圭臬基准测试中，GPT-6 Astra在68说念猜思上解出了2说念。

第74号问题被反驳，破费218好意思元、耗时15小时；第126号问题被阐述，破费247好意思元、耗时16小时。

其余66说念全部跑满300好意思元预算上限，莫得产出通过考据的提交。其他四个模子在全部68说念题上均为零分。

在圭臬测试以外，贪图团队又用合并预发布版块的GPT-6 Astra进行了多轮追加尝试，放宽了预算并颐养了agent建树。这些不算慎重基准收获，但论文合计，任何一起题的科罚自己就具非凡学价值。

终末概述整个尝试，GPT-6 Astra悉数解出了5说念猜思。

第1号问题被反驳。

这是Erdős 1931年建议的问题，那时他才18岁，他自称这”也许是我第一个谨慎的问题”。

对于解离集（dissociated set）在区间{1,…,N}中能有多密集。此前最佳的上界是Bohman给出的N ≤ 0.22002·2ⁿ，最佳的下界是Erdős和Moser阐述的N ≫ 2ⁿ/√n。

GPT-6 Astra构造了反例，阐述对淘气ε>0都存在舒服N ≤ ε·2ⁿ的解离集，平直狡赖了Erdős的猜思。

AI的阐述使用线性代数构造了一系列行列式趋于零的n×n有理矩阵。4次尝试中2次告捷，用度分辩为405好意思元和1384好意思元。Bloom在尝试贯串这个阐述时，用格（lattice）的谈话从新阐述了它，合计这是一个更天然的视角。

第74号问题被反驳。

1982年Erdős、Hajnal和Szemerédi猜思：不管f(n)趋向无尽的速率多慢，都存在色数为无尽的图使得每个n偏激子图只需删除至多f(n)条边就能酿成二部图。

GPT-6 Astra阐述了恰好相背的论断，若是f(n)增长得饱和慢（有时log n / log log n的量级），那么舒服条目的图色数至多为3。

阐述通过归纳法构造一列子图迟缓排斥短奇圈，再用粘合论证将3-着色从二部子图迟缓回传到原图。这说念题6次尝试全部告捷，最低廉一次仅47好意思元/5小时，贪图者初步判断6次反驳中包含三种不同的论证要领。

第126号问题被阐述。

1934年Erdős和Turán在他们的第一篇配合论文中阐述了|S(A)| ≫ log n的下界，其中S(A)是辘集A中整个两两之和a+b的素因子辘集。Erdős其后屡次追问能否立异为|S(A)|/log n → ∞。

GPT-6 Astra给出了|S(A)| ≫ n^{1/2}这一强得多的甩掉。4次尝试全部告捷，而且提供了三种不同的阐述（分辩对应指数c=1/8、1/3和1/2），均使用初等要领。

第548号问题被阐述。

这即是1962年Erdős和Sós建议的闻名猜思：n个偏激、边数超过(k-2)n/2的图包含每棵k个偏激的树。此前天然有好多特殊情形的阐述，但完满猜思一直未获科罚。

GPT-6 Astra给出的完满阐述通过检会偏激罗列与象征配对的计数，联结归纳论证完成。3次尝试中1次告捷，破费363好意思元/20小时。

第571号问题被阐述。

这是Erdős和Simonovits建议的对于Turán数增长阶的猜思：对于淘气有理数α∈[1,2)，是否存在二部图G使得ex(n;G)≍nᵅ，此前唯独几许特殊α族被阐述。

GPT-6 Astra给出了对淘气有理α的完满阐述。3次尝试中1次告捷，破费617好意思元/41小时，是五说念解中耗资最大的。Bloom默示这是五个解中难度最高的，“对这个阐述的完满东说念主类贯串，包括它与已有浩繁相关责任的关系，还需要一些时刻”。

得到这5个解的全部尝试算计破费超过22万好意思元，而圭臬基准测试自己只花了约2万好意思元。按300好意思元一次、3%告捷率议论，解出一起紧迫怒放问题的欲望老本约为1万好意思元。

论文同期指出了几个局限：神志化老本可能导致分数低估了AI的真正数学才略，模子可能找到了正确的论证却无法将其振荡为Lean阐述，尤其当论证依赖的圭臬文件甩掉尚未被Mathlib收录时。

此外FME只计算解题才略，而在数学贪图中，建议正确的问题时时比阐述它更难。

天然OpenAI告示“AGI期间到来了”，但68说念精选的Erdős猜思中还有63说念悬而未决。

参考贯串：

[1] https://epoch.ai/latest/announcing-frontiermath-erdos

— 完 —

量子位 QbitAI · 头条号签约

柔软咱们世界杯体育，第一时刻获知前沿科技动态