OpenAI 内部模型展现出数学「研究品味」，专家称突破超出已有文献
cong_ml · x · 2026-10-16
Jeff Clune 转发并评论：过去人们说 AI 无法生成新知识、无法做出重大突破、只会插值不会外推——这些论断正在被推翻。
被引用的帖子整理了数学社区对 OpenAI 内部模型解题表现的评价：
- 在 Barnette 猜想上，HN 用户 jboggan 评价其「顿悟」思路极其狂野，是他首次见到如此使用复根与 annihilating term 的方式，不理解这个技巧从何而来；
- 在平面色数至少为 6 的证明上，数学家 Joshua Zelinsky 指出该方法据他所知不属于既有文献的方向，远超「在现有方法上做增量或建立问题间联系」的范畴；
- 另有两道题目的解法也获得类似评价。
Clune 的核心观点：模型已具备数学上的「研究品味」（research taste），而这正是通向 RSI（递归自我改进）所需的最后一块拼图。
「漫话AGI」频道最新
- 斯坦福教授：AI 代写作业全拿高分，期末现场考试集体露馅 — FinanceYF5 · 2026-10-16
- 数据经纪商 10 万~200 万美元收购 SaaS 数据集，转卖 AI 训练 — FinanceYF5 · 2026-10-16
- tszzl 谈预训练科学：像蒸汽机先于热力学，正滑向可解释性 — tszzl · 2026-10-16
- eigenrobot:AI 加速下人力资本投资恐将整体崩塌 — eigenrobot · 2026-10-16
- AI 反编译与 vibe coding 泛滥,软件信任根基遭质疑 — Honest_Risk3903 · 2026-10-16
- researcher：基础模型范式至今仍反直觉 — jd_pressman · 2026-10-16