OSVerify：LLM 单边验证框架审查 OpenAI 11 篇数学预印本，发现 18 处问题
james_y_zou · x · 2026-10-16
研究团队推出 OSVerify，一个基于 LLM 的「单边验证」框架，用于应对 AI 生成科学产出超出人类审稿能力的瓶颈。核心思路：利用「验证错误比发现错误容易」（类似 P≠NP 的直觉），把验证解耦为错误提议（搜索潜在错误）与错误验证（核查是否成立）两步，尽量否决无效解、同时保住稀有有效解交由专家复核。
- 团队用 OSVerify 充当裁判审查了 OpenAI 近期 11 篇数学预印本，识别出 5 个重大问题和 13 个次要问题，全部经人类专家确认
- 动机：评估与验证是 RSI（递归自我改进）最关键的环节，但人类验证带宽有限，需规模化验证才能规模化科学发现
- 系统还展示了在已有 AI 生成证明中发现的具体错误
所属事件:斯坦福OSVerify审查OpenAI数学预印本发现18处问题(6 条相关)→
「模型」频道最新
- 投资人预测:一年内模型全面强 2-3 倍、成本降 10 倍,token 用量涨 10-20 倍 — DeryaTR_ · 2026-10-16
- Google 上线全新 Gemma 文档站，页面首次亮出 Gemma 4 开放模型 — rseroter · 2026-10-16
- Respan 发布 Span-02:可随时打断的「anytime」推理模型,开源权重 — techNmak · 2026-10-16
- Liquid AI 发布 d1-ultra 决策模型:多模态、44 种语言、榜首 65 分 — maximelabonne · 2026-10-16
- Meta 发布 Muse Spark Open：816B 总参/42B 激活，1M 上下文 — AIatMeta · 2026-10-16
- Scale AI 开源模型 muse spark open 上架七大 API 平台，支持 vLLM/SGLang 等主流推理引擎 — alexandr_wang · 2026-10-16