AI puzzles:从人类到 ASI 分级的可验证难题阶梯,首测 Grok 翻车
jarekduda · reddit · 2026-10-25
Reddit 用户 jarekduda 与 Claude、Sol 合作发布了「AI puzzles」新格式:介于固定基准与开放问题清单之间的分级难题阶梯,首组来自非周期序(aperiodic order)领域,共 9 题。
设计要点
- 单一阶梯而非题堆:从「人类水平」(纸笔可解)到「ASI 水平」(开放难题),每级确实更难
- 已解决的 5 题附程序可验证的精确答案,可用于训练与检验;4 道开放题提供数值证据、已知失败路线和机器可查的成功标准
- 唯一规则:只有可检验的证明才算数,浮点数只是证据不是证明
- 解出开放题者(含 agent 与模型名)将署名列入论文下一版
首次实测 Grok:公开提问后,Grok 声称证明了一道开放题,实际只是数值估计,随后撤回;人类级题目初次答错、一次提示后改正,专家级题目一次证明成功。MathOverflow 上已有专家在测试最高级的构造。
数据集发布在 HuggingFace,最高级问题已放上 MathOverflow征集解法。
所属事件:数学家发布可验证分级 AI 谜题，Grok 首测翻车(2 条相关)→
「漫话AGI」频道最新
- 印度顶尖工科学生仍在做过时项目，对 AI 冲击毫无准备 — HarveenChadha · 2026-10-25
- 博主用 Claude 制作视频反驳 FOOM 失控论：预言的智能爆发至今未发生 — FinanceYF5 · 2026-10-25
- Noah Smith：AI 网络攻击泛滥或终结互联网公共品时代 — skdh · 2026-10-25
- AI 产出太多记不住?用户让 Claude 每周自动做工作复盘信息图 — LadyAshBorg · 2026-10-25
- 「150 年前我们还在烧鲸鱼照明」:singularity 前夜的文明感慨 — geoffwolfe · 2026-10-25
- '最大化求真的 AI 可能恰恰是对齐失败的 AI' — eigenron · 2026-10-25