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
- DeepSeek V4.1 Flash 单卡 3090 跑出 20 tok/s，官方推理栈开源加持 — casper_hansen_ · 2026-11-12
- 双板搭建测试：GPT-6 Astra 成功，Claude Fable 5.2 落败 — qinzytech · 2026-11-12
- Zvi 深析 Anthropic 新系统卡: autonomy 阈值争议成焦点 — Don't Worry About the Vase (Zvi) · 2026-11-12
- antirez 背书:苹果 M5 本地跑低比特 DeepSeek 好过 27B 稠密模型 — antirez · 2026-11-12
- 被禁用视觉后 Gemini 自建文本图像硬扛基准,性能仅降 6% — zacharynado · 2026-11-12
- 实测三模型纯裸跑编码：Gemini 4 Carbon 代码质量惊艳性价比最高 — Semantic_meaning · 2026-11-12