68道Erdős公开难题做基准:GPT-6 Astra仅解3%,其余全零分

chaumian · x · 2026-09-23

Epoch AI 与曼彻斯特大学发布 FrontierMath Erdős(FME) 基准,从 Erdős 的 652 个公开难题中选出 68 个截至 2026 年 8 月仍未解决的猜想,要求 AI 系统在 Lean 证明助手中给出证明或反驳。

评测设定:所有模型面对同一组固定问题,自主运行且每题预算 300 美元。结果五个受测 AI 中,仅 GPT-6 Astra 得分 3%,其余全部 0%。作者指出,此前 AI 解决个别公开数学问题的演示缺乏系统性,FME 提供了统一、可复现的能力检验标准。