研究人员推出了HorizonMath,这是一个旨在评估AI解决复杂、未解决数学问题能力的新基准。该基准包含八个领域的113个问题,重点关注“生成器-验证器差距”,即发现困难但验证简单的领域。初步测试表明,大多数当前模型得分低于10%,但GPT-5.4 Pro和GPT-5.6 Sol各自成功发现了三个研究问题的新颖解决方案,为数学文献做出了贡献。 AI
影响 为评估AI的数学推理和发现能力设定了新标准,有可能加速AI驱动的科学研究的进展。
排序理由 该集群是关于一篇介绍基准并报告研究结果的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Erik A. Wang
- Gotit.pub
- GPT 5.4-Pro
- GPT 5.6 "Sol"
- HorizonMath
- Hugging Face
- IArxiv
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →