文章预览
转自:新智元 如涉版权请加编辑微信iwish89联系 哲学园鸣谢 新智元报道 编辑:Hjh 【新智元导读】 Epoch AI推出数学基准FrontierMath,目前前沿模型测试成功率均低于2%!OpenAI研究科学家Noam Brown说道:「我喜欢看到新评估的前沿模型通过率如此之低。这种感觉就像一觉醒来,外面是一片崭新的雪地,完全没有人迹。」或许,FrontierMath测试成功率突破的那一天,会是AI发展过程中一个全新的里程碑。 数学为评估复杂推理提供了一个独特而合适的测试平台。它需要一定的创造力和精确的逻辑链条——通常涉及复杂的证明,这些证明必须缜密地筹划和执行。同时,数学还允许对结果进行客观验证。 在铺天盖地的宣传中,LLM看起来已经攻破了数学大关。但果真如此吗? 不久前,来自苹果的研究院团队证明,就算是在数学这些基础科学方面最先进的o1模型
………………………………