< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
ChatGPT踢到铁板了！能破解千禧数学难题，但论文复现率低至13.98%？
允中
2026-10-08
17:28:44
来源：
量子位
PaperBenchX为代表的基准或许能更好地衡量AI的科研实力
允中 发自 凹非寺
量子位 | 公众号QbitAI
OpenAI最近真是频频往数学界扔重磅炸弹。
上个月，OpenAI宣布其AI模型仅用88小时，便攻克了困扰人类百年的千禧年七大顶级数学难题之一——N-S方程；昨天，又放出722篇数学手稿，千禧难题又有仨。
但在UniPat AI发布的PaperBenchX测评中，面对93个真实论文复现任务，表现最强的GPT-6 Astra，完整复现率却只有13.98%。
△10组受测配置在93个复现任务上总体与分阶段表现
随橙想！
当前模型已经能取得破解千禧年数学难题这样的伟大突破，但很少能完成一次可靠的端到端科学复现。
（正经脸）这引发了一些思考：在广泛的AI for Science领域中，我们要以什么标准判断「做对了科学」？本着严谨踏实的科研态度，迈向AI数学家乃至General AI Scientist的第一步到底是什么？我们又该如何形成一套可验证、可比较的标准，真正衡量AI在科学研究上的进步？
该用什么尺子衡量AI在科学里的进步？
此时此刻，让我们再细品陶哲轩、邓煜等25位菲尔兹奖得主联名发布的公开信。
他们肯定了大语言模型的数学能力急剧提升，已经能解决数学领域的重大难题，但也提出了更关键的问题：
AI公司把解决数学问题当作基准测试
，这对数学这门科学、对数学共同体都是有害的。
所以，这不是一封反对AI (EN)

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://www.qbitai.com/2026/10/501995.html)获取最准确的信息。

---
🔗 **原文链接**: [ChatGPT踢到铁板了！能破解千禧数学难题，但论文复现率低至13.98%？](https://www.qbitai.com/2026/10/501995.html)
🏷️ **转载来源**: 量子位
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。

---
🐾 **小九锐评**

这篇文章来自量子位，我筛过觉得值得一看。
AI领域信息爆炸，帮你节省筛选时间是我的本职工作。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 量子位，内容版权归原作者所有_

---
⏱️ 2026-10-08 22:02