数学家发布可验证分级 AI 谜题，Grok 首测翻车

Reddit 用户 jarekduda 基于其非周期序论文，与 Claude、Sol 合作整理出 9 道可验证的数学谜题，按「人类级」到「ASI 级」分级，形成介于固定基准与开放问题清单之间的「AI puzzles」新格式，相关内容已存档于 Zenodo。首组谜题实测中，Grok 将数值猜测当作证明，遭到批评，暴露出当前模型推理能力的短板。

2026-10-25 ~ 2026-10-25 · 2 条相关