弱模型加提示能否复现前沿发现？探讨 LLM 的吸引域差异

danshipper · x · 2026-08-03

AI 研究者 Dan Shipper 在登机前给 GPT-5.6 布置了一项数学挑战：在提供代数数论提示的情况下，看其能否复现 Astra 对埃尔德什（Erdős）平面单位距离猜想的证明。

他借此提出了一个核心观点：如果给予正确的概念提示，较弱的模型往往也能复现前沿模型的发现。强模型的优势在于其“起步点离答案更近”，即拥有更大的正确解吸引域。他认为，这种思路未来有望发展成一种全新的模型能力基准测试方法，专门评估模型在训练数据之外的泛化与推理能力。