质疑 OpenAI 数学评测口径：解决 100 难题却不说尝试了多少道
burny_tech · x · 2026-09-22
博主 marcusgnt 公开质疑 OpenAI 的评测宣传口径：OpenAI 宣称模型解决了 100 个数学开放难题，但没有说明一共尝试了多少道题。他强调，报告解题的成功率（百分比）是基本的科学规范，能让外界正确理解模型的真实能力，并呼吁 OpenAI 为了数学社区补上这个简单数据。主帖为对该质疑的转发认可。
「模型」频道最新
- Grok 4.7 发布：编程评测登顶，价格仅对标模型一半 — FinanceYF5 · 2026-09-22
- Grok 4.7 发布:价格不变,Terminal-Bench 成绩从 20.3% 翻倍至 38% — FinanceYF5 · 2026-09-22
- Anthropic 状态页显示 Claude 多个模型错误率升高 — corvad · 2026-09-22
- antirez 与 tenobrus 联手泼冷水：Jev 演示皆夸大，离真可用还远 — burny_tech · 2026-09-22
- 马斯克确认：Grok 90 天从榜外杀回前三，4.8 下月再战 — elonmusk · 2026-09-22
- Anthropic 多款 Claude 模型错误率升高，官方排查中 — ClaudeAI-mod-bot · 2026-09-22