🤖 OpenAI "First Proof" 挑战：AI解决研究级数学题

追溯链条

层级	作者	内容
你发的	@sama	评论转发
原始	@merettm (Jakub Pachocki)	“First Proof” 挑战
报道	Scientific American	结果混合

---

核心事件

原始推文（@merettm）

“Very excited about the ‘First Proof’ challenge. I believe novel frontier research is perhaps the most important way to evaluate capabilities of the next generation of AI models.”

Sam Altman 评论

“We went from AI systems that struggled to do grade school math to AI systems that can solve research-level math problems in just a few years.

I agree with Jakub this is perhaps the most important eval now.

I am also pretty sure the main reaction will be ‘it’s not that hard’ :)”

---

客观数据

First Proof 挑战

项目	数据
问题数量	10道研究级数学题
出题者	11位顶级数学家
发起时间	2026年2月5日
结果公布	2026年2月13日（太平洋时间）
执行周期	一周（side-sprint）

OpenAI 成绩

项目	数据
声称正确	至少6道高概率正确
评价	“方法论还有很多需要改进”
模式	有限人工监督

科学美国人报道

“AI不会很快取代数学家”
“结果混合”

---

🤔 其他视角/质疑

1. 数据准确性

问题	状态
6道正确	声称待验证
数学家质疑	至少一道已被指出漏洞
结论	“结果混合”而非”突破”

2. 方法论问题

问题	疑问
一周完成	是否过于仓促？
有限人工监督	哪些环节有人工介入？
“side-sprint”	正规研究还是实验？

3. 验证问题

问题	疑问
谁来验证？	数学家已指出漏洞
6道 vs 全部	40%正确率算成功？
同行评审	是否经过验证？

4. 媒体评价

来源	结论
Scientific American	“AI不会很快取代数学家”
数学家	指出潜在漏洞

---

我的分析

1. 成就确认

论点	评估
进步明显	✅ 从小学数学到研究级
评估方法创新	✅ “First Proof” 很有意义
Altman认可	✅ “最重要的评估”

2. 局限性

问题	点评
不是全部正确	6/10 = 60%
已被质疑	数学家指出漏洞
方法论不完美	“还有很多需要改进”

3. 投资/行业启示

AI公司：

• 估值可能过高
• 需要更多验证

数学研究：

• AI是工具不是替代
• 人机协作是未来

---

结论

“从几年做不对小学数学，到能解决研究级数学问题”

成就：

• AI数学能力进步显著
• 6道题高概率正确
• 引发广泛关注

局限：

• 并非全部正确
• 已被数学家质疑
• “结果混合”

客观结论：
这是AI的重要里程碑，但说”突破”还为时过早。AI在数学研究上有所进步，但距离”取代数学家”还很远。

---

本文追溯自 @sama 评论转发 @merettm 的原始推文

参考：Scientific American 报道、1stproof.org