SWE-bench 作者：千禧年难题是最佳基准，一年内七成公开数学题或被解

普林斯顿研究员、SWE-bench 作者 Ofir Press 于 10 月 29 日在推文中提出，当前最好的 AI 基准是「千禧年大奖难题」（Millennium Problems），且遥遥领先其他基准。按模型当前在数学难题上的成功率推算，他认为预测「约 70% 的公开数学问题将在一年内被解决」并不夸张。这一观点出自软件工程基准 SWE-bench 的作者之口而尤具分量：连 SWE 基准提出者都承认数学基准更能衡量前沿能力。

已确认

• Ofir Press 认为千禧年大奖难题是当前最佳 AI 基准，优势巨大
• 按当前解题成功率外推，他预测一年内约 70% 的现有公开数学未解问题将被解决
• 他认为数学比包括软件工程在内的其他领域更「具体、可定义、适合强化学习」，因此其他领域不会复现数学那样的快速进展
• 他感慨：15 年前若有人告诉他大众可用的领域级数学机器人会先于大众可用的自动驾驶汽车出现，他不会相信
• 他认为模型能力的「锯齿状前沿」（jagged frontier）特征将继续存在，并以对人类不直观的方式持续推进
• 他追问：当前进展会催生难度高一个数量级、短期无解的新公开难题，还是会抵达某种「数学能力峰值」——几乎所有可形式化的数学问题都能被快速解答
• Dimitris Papailiopoulos 对此回应提出保留：开放问题之所以开放，正是因为其证明难度与所需条件；Press 随后澄清自己的说法是基于当前 AI 解题成功率的合理外推

为什么重要

• 「70% 公开数学题一年内被解」若成真，意味着数学研究范式将发生根本性变化，剩余难题的价值与稀缺性也会重估
• 数学与 SWE 的进展差异为理解 RL 在何种领域有效提供了线索：可形式化、验证成本低的领域率先突破
• 「锯齿状前沿」的持续意味着 AI 能力预测不能按领域平均外推，政策与应用规划需按领域分别评估
• Papailiopoulos 的质疑提示，简单按成功率外推可能低估开放难题的特殊难度，预测本身仍有争议

2026-10-29 ~ 2026-10-30 · 9 条相关

• 【源头】Ofir Press：千禧年大奖难题是当今最佳 AI 基准，预言一年内七成数学开放题被解 — OfirPress · 2026-10-29
• Ofir Press 追问：AI 会否撞上「数学能力天花板」 — OfirPress · 2026-10-29
• Ofir Press：数学比编程更适合 RL，其他领域不会同样快 — OfirPress · 2026-10-29
• 同一话题的另一条推文，与上条合并理解：数学比 SWE 更可 RL — OfirPress · 2026-10-29
• Ofir Press：AI 能力版图将沿「参差不齐的锋线」继续推进，数学快过自动驾驶 — OfirPress · 2026-10-29
• Ofir Press：AI 能力前沿将沿「锯齿状」持续推进 — OfirPress · 2026-10-29
• 【源头】千禧年难题被评最强 AI 基准，专家预测一年内七成开放数学题告破 — DimitrisPapail · 2026-10-29
• 【源头】Ofir Press 预测:一年内现有未解数学题约 70% 将被 AI 攻克 — OfirPress · 2026-10-30

另有 1 条近重复转述:OfirPress