跳至主要內容

OpenAI 公開 722 份數學稿件:讓研究者能查證,還需要逐題留下審查結果

AI

重點摘要

OpenAI 公開涵蓋 372 個問題家族的研究稿件與部分 Lean 證明。外界現在能檢查具體產物,但稿件數不能直接換算成解題成功率;研究工具還需要保留命題、人工介入與外部審查的對應關係。

OpenAI 公開 722 份數學稿件:讓研究者能查證,還需要逐題留下審查結果

OpenAI 公開 722 份數學稿件,讓外界能逐項檢查模型產出的研究。這批資料尚缺完整的外部審查結果,稿件數也不能直接當成已解決問題的數量。若要判斷 AI 是否提高研究產出,還需要知道哪些命題經確認成立、哪些已有前人結果,以及研究者投入多少核對工作。發布 研究者回應

官方公告標示 2026-10-06,未列時刻與時區。本文以台北 10 月 7 日出刊、15:55 為查核截止,保守採用 48 小時內的前一日公告。Interesting Engineering 報導頁標示 10 月 6 日 18:32 EST;按頁面所列時區換算為台北 7 日 07:32,這是報導時間,不能當成資料開放時刻。公告 報導

公司稱,這批稿件涵蓋 372 個問題家族,來自內部研究模型對約 4,000 個問題的嘗試。平均每項成果耗用的運算,相當於該模型約三小時的 ChatGPT Pro 思考。稿件、問題家族與嘗試題數是不同單位,不能拿 722 除以 4,000 宣稱解題成功率。模型尚未公開,這次交付的是可閱讀的研究產物,並非一般使用者已能呼叫的新服務。實驗範圍 運算等值 獨立報導

GitHub 資料庫提供稿件、部分推理摘要與 Lean 形式化檔案,也交代部分稿件經人類編輯。例如第 017 個問題家族討論 π 的無理數指數,研究者可以找到對應稿件與推理摘要。資料公開後,外界能從特定命題開始核對;但檔案存在不代表每份稿件都有完整形式證明,也不代表外界已重現全部結果。公開資料

一份證明,需要連回它回答的問題

Lean 能檢查形式命題是否可由所列假設推出;形式命題與原始問題是否一致、結果是否新穎,仍需要領域知識。AGMAI 明言,顧問角色不代表對成果影響或產出過程背書,評估應由數學社群完成。這些確認會影響研究者能否引用結果,不能用一次編譯通過替代。查核範圍 學界聲明

從研究工具的設計來看,我會讓每份稿件同時呈現原始題目、模型實際證明的命題,以及已完成的檢查。假設模型證明了某個問題在額外條件下成立,這仍可能有用途;若介面只顯示「已解決」,下一位研究者就可能把局部結果當成完整答案。這是由公開資料延伸的產品判斷,並非已公布的使用成效。

審查紀錄也應能留下未定案的狀態。發現某一步需要補證明,與發現整個方向不成立,會引導後續研究做不同的事。讓研究者看到具體缺口,比把所有待確認稿件排成一張成功清單,更有利於接續工作。

研究產物增加後,審查時間要一起計入

OpenAI 公布這批資料,增加了外界可以直接檢查的樣本;AGMAI 的回應也顯示,專家審查仍有待進行。對想採用 AI 協助研究的團隊,我較重視能保留證據與修訂過程的工具,而不會只按一次生成多少篇稿件選擇產品。開放範圍 審查狀態

假設兩個系統提出同樣多的可用結果,其中一個保留清楚的假設與失敗紀錄,讓同事較快確認哪些步驟能沿用,它就可能更適合共同研究。這個選擇成立的條件,是核對時間確實減少,而非把未查完的部分交給下一個人。

目前沒有足夠的公開資料,能把這批稿件換算成每項新成果的總成本;三小時描述模型運算等值,沒有衡量完整的人工審查。接下來可累積的是逐項確認成立且具新意的結果,以及完成確認所需的工作。這些紀錄才有助於判斷,公開更多研究產物能否讓數學研究更快取得可沿用的成果。運算與限制 外部查核

封面沿用本站先前 OpenAI 數學研究文章的圖片,並非此次發布的新圖;事件圖片因 DNS 解析失敗未能下載。

來源:

繼續讀這個主題

隨機讀一篇