千禧年难题当基准可能要 100 年才饱和，但前沿模型已擅长反证猜想
evijit · x · 2026-09-09
OfirPress 在谈基准构建时曾举例：千禧年大奖难题可以当基准，但太难，可能要 100 年才能饱和——现在看来一语成谶。evijit 回应指出要看具体指标：前沿模型在寻找反例、证伪猜想方面已相当强，但在给出闭式解（closed form）上还差得远，闭式解类成果的饱和可能需要更久。
所属事件:千禧年难题接连被解，benchmark 学者 Ofir Press 自嘲(4 条相关)→
「模型」频道最新
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27
- 换评测框架成绩大涨：Argon 改用 Antigravity Harness 逼近 Opus 5.5 — davidstutz92 · 2026-10-27
- 博主故意误导 Ling 3.0 Flash Sante,模型坚持拒绝错误精神病治疗方案 — FellMentKE · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- ChatGPT 把 404 Media 当科技公司客服，大批用户被推荐去找记者修手机 — 404 Media · 2026-10-26