reuF2F 基准发布:前沿模型仅解出约四成 Lean 开放数学题

CMU、港中深、清华等机构联合发布 reuF2F 基准，收集 244 道来自美国本科生科研项目（REU）的开放数学问题，以 Lean 4 形式化方式测试编码智能体。随着 LLM 大规模证明数学猜想，验证成为瓶颈，该基准旨在补足这一环节。实测四大前沿模型中，Gemini 4 Argon 以 pass@2 达 44.7%（109 道）居首，整体表现不俗但不完美，开源权重模型差距明显。

2026-10-20 ~ 2026-10-20 · 5 条相关

• reuF2F 基准：244 道 REU 数学开放题,最强模型也只解出 109 道 — wellecks · 2026-10-20
• REUF2F 基准实测四大前沿模型：Gemini 4 Argon pass@2 达 44.7% 居首 — wellecks · 2026-10-20
• 244 道公开研究难题 AI 解出超 100 道，证明暂不公开防污染 — wellecks · 2026-10-20
• AI 系统解决 244 个开放数学问题中的 100+,证明暂不公开防污染 — wellecks · 2026-10-20
• reuF2F 基准发布:244 道 Lean 形式化开放数学题,最强模型仅解出约四成 — AkariAsai · 2026-10-20