鱼羊 发自 凹非寺 量子位 | 公众号 QbitAI 从只能答对 2% 的题目，到在超难数学题集中刷下 22% 得分，甚至超过人类团队平均水平，大模型需要多长时间？ 现在，令数学家们都惊讶的结果已经尘埃落定： 发生在大名鼎鼎的"专为为难大模型而生的" FrontierMath 基准测试上的这一幕，在激起热议同时，也引发了新的思考： 他们发现： o3-mini-high绝非靠死记硬背解题，相反，它表现出了极强的知识储备； 7个月 。 同时，他们也挖掘出了大模型当前的局限性，比如，缺乏创造力和理解深度。 大模型们是怎么做到的？ 官方是这样总结的： FrontierMath：包含300个数学问题，难度范围覆盖本科高年级到菲尔兹奖得主都说难的水平。 最新进展是，FrontierMath官方Epoch AI邀请14位数学家，深入分析了o3-mini-high在应对这些数学难题时产生的 29条原始推理记录 。 o3-mini-high的推理更多依靠直觉，而非精确的证明。 相反，数学家们发现，即使题目故意掩盖了解决问题所需的技巧，o3-mini-high依然能够很好地利用正确的定理来获取进展—— 在大概三分之二的问题上，o ...