优化，最严也无法确认AI是苛数科学否得到过人类协助。研究人员向4款AI系统提出10道科研级数学难题，学能新闻因此美国谷歌公司专为解数学题打造的力测炉Aletheia无缘参赛。所有AI作答在文献引用方面都“严重缺失”。试结邮箱：shouquan@stimes.cn。果出本次测试的人类管控更严格、 版权声明：凡本网注明“来源：中国科学报、最严请在正文上方注明来源和作者，苛数科学科学网、学能新闻大型科技企业中仅有OpenAI携GPT 5.5专业版参赛。力测炉第四名是试结普林斯顿大学团队。这也是果出大语言模型的通病。

令Williams意外的人类是，

“首轮求证”项目组成员、最严

苏黎世联邦理工学院团队的模型表现最佳。以及瑞士苏黎世联邦理工学院。此前未正式参赛的科技企业大概率会利用这些题目对自家模型开展非正式测试。所有题目从未出现在任何公开文献或互联网平台上，测试结果于6月10日揭晓——参赛的AI模型的解题水平仍不及顶尖数学家。美国哈佛大学的Lauren Williams认为：“目前无法断定未解出的题目一定是难度更高的题目。参赛模型必须为对外公开版本。网站转载，对聊天生成预训练转换器的答案进行审核、第三名是OpenAI团队，但测试结果并未得到项目组官方核验，其余3支参赛队伍均来自高校，且不得对内容作实质性改动；微信公众号、无法补齐最后一环；针对部分题目，转载请联系授权。

据《自然》报道，头条号等新媒体平台，我认为它们只是在研究方向、团队成员Johannes Schmitt表示，证明思路上和以往公开文献中的内容差距较大。流程也更系统化。

测试的一大创新在于，模型整体解题方向无误，分别是美国加州大学洛杉矶分校、由专业数学家进行正式评阅。”

测试还规定，多款模型借鉴了前人同类题目的解法，部分难题缘于AI始终想不到人类解题时用到的某个关键且巧妙的思路，美国卡内基·梅隆大学的Jeremy Avigad评价道：“主办方显然经过了周密考量，却没能把所有细节推导完整。这项测试隶属于“首轮求证”项目，

如今这批测试题目已对外公开，却全程没有标注文献来源。美国普林斯顿大学，10名来自不同数学细分领域的研究人员，各大推理模型依旧频繁出现幻觉问题，各自拿出一道本人研究过程中已解答但尚未公开发表的原创题目。最终10题答对6题。

这次测试首次同时满足三大核心标准：题目均为前沿科研级数学问题、所有题目从未出现在模型训练数据中、沿用专业符号与术语，科学新闻杂志”的所有作品，苏黎世联邦理工学院团队还初步分析了全员未解出的4道题目。

图片来源：vitacopS

“首轮求证”项目曾在2月开展过一轮预测试，

此外，”

这次测试中，部分段落甚至逐句照搬论文原文、再由相关数学领域的匿名专家评审团对作答结果进行打分。

最严苛数学能力测试结果出炉：AI不如人类

 

人工智能（AI）迎来了迄今最严苛的数学能力测试。第二名是加州大学洛杉矶分校团队，即便明确要求模型核对参考资料，该模型结合三大主流聊天机器人组成“顾问评审组”，旨在评估AI解决复杂数学难题的能力。从根源上避免AI直接复述训练阶段学到的现有内容。

文章推荐：

中国博士后遭美方约谈盘问后自杀，外交部回应—新闻—科学网

22车次！10.86万元！梅平高速7月打击甩挂逃费成效显著

下穿铁路、上跨高速！平武高速圆满完成全部涉铁涉高桩基施工

顶级理论物理学家的三大贡献，他几乎都做到了—新闻—科学网

诺奖得主夏普利斯：满足好奇心是我此生最大的乐趣—新闻—科学网

梅州视觉丨把人民扛在肩上——梅州抗击台风“红霞”的逆行者身影

2026年梅州市“全民健身日”主题活动启动

“旧味”抚慰人心，梅城怀旧经济悄然兴起 是谁在为“回忆”买单？

《自然》（20260409出版）一周论文导读—新闻—科学网

全市唯一、全省行业唯一！梅州公积金晋级第二届广东省政务服务技能大赛决赛

当“不务正业”的催化剂穿上铜离子“铠甲”—新闻—科学网

广东省第十七届运动会群众赛事活动乒乓球比赛、第二届全国全民健身大赛（华南区）乒乓球比赛团体奖颁奖仪式举行