機(jī)器之心報(bào)道

機(jī)器之心編輯部

昨天，OpenAI官宣了一個(gè)重磅消息：他們的一個(gè)推理模型在國(guó)際數(shù)學(xué)奧林匹克（IMO）競(jìng)賽中獲得了金牌水平的表現(xiàn)。

官宣該消息的OpenAI研究科學(xué)家AlexanderWei表示，在評(píng)估過(guò)程中，研究團(tuán)隊(duì)嚴(yán)格按照人類選手的比賽規(guī)則進(jìn)行測(cè)試：模型需要在兩個(gè)4.5小時(shí)的考試環(huán)節(jié)中，在沒(méi)有任何工具或網(wǎng)絡(luò)輔助的情況下，閱讀官方題目并撰寫(xiě)自然語(yǔ)言證明。

在評(píng)估中，該模型成功解決了2025年IMO六道題目中的五道，獲得了35分（滿分42分）的成績(jī)，足以獲得金牌。每道題目都由三位前IMO獎(jiǎng)牌獲得者獨(dú)立評(píng)分，并在達(dá)成一致后確定最終分?jǐn)?shù)。

在該消息公布后，整個(gè)AI社區(qū)都為之振奮。AlexanderWei還曬出了OpenAI新模型生成的證明過(guò)程。

證明過(guò)程鏈接：https://github.com/aw31/openai-imo-2025-proofs/

而且有趣的是，就在AlexanderWei發(fā)帖之前不久，各家AI模型剛被曝出在IMO中表現(xiàn)不佳，得分最高的Gemini2.5Pro得分僅為13分，OpenAI的o3（high）則拿了7分。OpenAI新模型成績(jī)的官宣讓這一事件出現(xiàn)了驚人的反轉(zhuǎn)。

不過(guò)，在這些消息發(fā)酵后不久，數(shù)學(xué)家陶哲軒站了出來(lái)，勸大家「謹(jǐn)慎看待」。他認(rèn)為，如果沒(méi)有嚴(yán)格控制、標(biāo)準(zhǔn)化的測(cè)試條件，我們就無(wú)法用一種有意義的方式來(lái)比較AI模型與人類，并表示自己「不會(huì)評(píng)論任何在競(jìng)賽前未公開(kāi)其方法的自我報(bào)告的AI競(jìng)賽結(jié)果」。這引發(fā)了大家對(duì)于AI模型實(shí)際進(jìn)展的思考。

陶哲軒：謹(jǐn)慎看待各大AI模型的IMO成績(jī)

陶哲軒在博客中寫(xiě)道：

人們很容易把當(dāng)下AI的能力當(dāng)成一個(gè)「一刀切」的單一指標(biāo)：任務(wù)X要么在現(xiàn)有工具的能力之內(nèi)，要么不在。實(shí)際上，AI的能力差距可以拉開(kāi)好幾個(gè)數(shù)量級(jí)，具體取決于給它什么資源、輔助方式，以及大家如何匯報(bào)自己的結(jié)果。

我用一個(gè)比喻來(lái)說(shuō)明這一點(diǎn)。就取剛結(jié)束的國(guó)際數(shù)學(xué)奧林匹克（IMO）競(jìng)賽做例子。

標(biāo)準(zhǔn)賽制是：每個(gè)國(guó)家派6名高中生參賽，由一名領(lǐng)隊(duì)（通常是職業(yè)數(shù)學(xué)家）帶隊(duì)。兩天里，選手每天4.5小時(shí)用紙筆獨(dú)立解答3道難題；考試期間選手之間、選手與領(lǐng)隊(duì)之間不得交流，只能請(qǐng)監(jiān)考員澄清題意。閱卷時(shí)領(lǐng)隊(duì)為學(xué)生辯護(hù)，但并不直接參與做題。能拿到金牌（今年分?jǐn)?shù)線35/42，即6題里完美做出5題）被視為高中生極高的數(shù)學(xué)成就。

但是，如果我們通過(guò)各種方式改變奧林匹克競(jìng)賽的形式，思考一下其難度會(huì)發(fā)生什么變化：

給學(xué)生幾天時(shí)間來(lái)完成每道題目，而不是在四個(gè)半小時(shí)內(nèi)完成三道題。（稍微延伸一下這個(gè)比喻，想象一個(gè)科幻場(chǎng)景：學(xué)生仍然只有四個(gè)半小時(shí)，但領(lǐng)隊(duì)將他們置于某種昂貴且高耗能的時(shí)間加速機(jī)器中，在此期間學(xué)生們經(jīng)歷了數(shù)月甚至數(shù)年的時(shí)間。）

考試開(kāi)始前，領(lǐng)隊(duì)以一種學(xué)生認(rèn)為更容易處理的形式重寫(xiě)題目。

領(lǐng)隊(duì)允許學(xué)生無(wú)限制地使用計(jì)算器、計(jì)算機(jī)代數(shù)系統(tǒng)、形式化證明助手、教科書(shū)，或使用互聯(lián)網(wǎng)搜索。

領(lǐng)隊(duì)讓六名隊(duì)員組成的團(tuán)隊(duì)同時(shí)解決同一個(gè)問(wèn)題，并就各自的部分進(jìn)展和遇到的死胡同進(jìn)行溝通。

領(lǐng)隊(duì)向?qū)W生提示可能有效的方法，并在某個(gè)學(xué)生花費(fèi)太多時(shí)間在一個(gè)他們知道不太可能成功的方向上時(shí)進(jìn)行干預(yù)。

團(tuán)隊(duì)中的六名學(xué)生都提交解答，但領(lǐng)隊(duì)只選擇「最佳」解答提交給競(jìng)賽，而將其余的丟棄。

如果團(tuán)隊(duì)中沒(méi)有一個(gè)學(xué)生得出滿意的解答，領(lǐng)隊(duì)則完全不提交任何解答，并悄悄退出比賽，他們的參與記錄也無(wú)從知曉。

在上述每一種形式中，提交的解答從技術(shù)上講仍然是由高中參賽選手生成的，而非領(lǐng)隊(duì)。然而，學(xué)生們?cè)诟?jìng)賽中報(bào)告的成功率可能會(huì)因這些形式上的改變而受到顯著影響；一個(gè)在標(biāo)準(zhǔn)考試條件下可能連銅牌水平都達(dá)不到的學(xué)生或團(tuán)隊(duì)，在上述某些修改后的形式下，反而可能達(dá)到金牌水平。

因此，在缺乏一種非參賽團(tuán)隊(duì)自選的、受控的測(cè)試方法論的情況下，人們應(yīng)該警惕將不同AI模型在IMO這類競(jìng)賽中的表現(xiàn)，或?qū)⑦@些模型與人類參賽者的表現(xiàn)進(jìn)行「同類比較」。

與此相關(guān)的是，對(duì)于任何未在賽前披露其方法論的、自我報(bào)告的AI競(jìng)賽表現(xiàn)結(jié)果，我將不予置評(píng)。

網(wǎng)友：能寫(xiě)幾頁(yè)紙的證明本身就值得關(guān)注

對(duì)于陶哲軒提出的質(zhì)疑，網(wǎng)友展開(kāi)了廣泛討論。首先需要指出，陶哲軒在帖子中提到的挑戰(zhàn)IMO的AI模型可能不是特指OpenAI的模型，因此里面指出的一些問(wèn)題對(duì)于OpenAI來(lái)說(shuō)可能并不完全適用。

比如，從OpenAI的聲明來(lái)看，他們似乎沒(méi)有使用工具調(diào)用。

不過(guò)，有人反駁說(shuō)，模型在訓(xùn)練期間就記住了整個(gè)互聯(lián)網(wǎng)的語(yǔ)料，即使不調(diào)用工具，讓他們和無(wú)法訪問(wèn)互聯(lián)網(wǎng)的人類學(xué)生相比也不夠公平。

還有人指出，這些問(wèn)題其實(shí)并不值得糾結(jié)。從OpenAI的這個(gè)模型中，我們應(yīng)該看到的是：AI已經(jīng)能夠在一個(gè)「難以驗(yàn)證」的領(lǐng)域進(jìn)行超過(guò)一個(gè)小時(shí)的推理并給出正確答案了。

所謂的「難以驗(yàn)證」，相對(duì)的是容易驗(yàn)證，比如像AIME（美國(guó)數(shù)學(xué)競(jìng)賽體系中的高階邀請(qǐng)賽）中的數(shù)學(xué)題，每題答案為000-999之間的整數(shù)，無(wú)需證明過(guò)程，僅填數(shù)字。對(duì)于這類問(wèn)題，我們很容易用標(biāo)準(zhǔn)答案來(lái)訓(xùn)練模型，用強(qiáng)化學(xué)習(xí)等方法來(lái)教會(huì)模型解決這類問(wèn)題。但對(duì)于長(zhǎng)達(dá)多頁(yè)的證明，我們一直缺乏明確的訓(xùn)練范式。這也是OpenAI的研究最令人好奇的地方。

在關(guān)于該模型的討論中，OpenAI推理研究主管NoamBrown也專門(mén)指出了這一點(diǎn)，而且明確表示他們「還有很大的空間來(lái)進(jìn)一步提升測(cè)試時(shí)的計(jì)算能力和效率」。

如果OpenAI真的掌握了讓模型解決「難以驗(yàn)證」的問(wèn)題的訓(xùn)練方法，他們是不是又往前走了一大步？

目前，這些問(wèn)題尚無(wú)定論。OpenAI的做法也非常神秘：他們提到最近會(huì)發(fā)布GPT-5，但又明確指出這個(gè)拿到IMO金牌的模型不是GPT-5。這個(gè)模型的面世可能還要等幾個(gè)月。

Onemorething：領(lǐng)導(dǎo)神秘模型的AlexanderWei是誰(shuí)？

這個(gè)拿到IMO金牌的推理模型來(lái)自AlexanderWei領(lǐng)導(dǎo)的一個(gè)小組。NoamBrown提到，在新模型中，AlexanderWei采取了一個(gè)鮮有人相信的想法，并利用它取得了極少人認(rèn)為可能實(shí)現(xiàn)的結(jié)果。

AlexanderWei專注于LLM的推理能力提升，特別是在數(shù)學(xué)推理和自然語(yǔ)言證明生成方面。他還曾獲得國(guó)際信息學(xué)奧林匹克（IOI）金牌。

他于2023年獲得加州大學(xué)伯克利分校的計(jì)算機(jī)科學(xué)博士學(xué)位，師從NikaHaghtalab、MichaelI.Jordan及JacobSteinhardt。此前，他于2020年在哈佛大學(xué)完成了計(jì)算機(jī)科學(xué)的本碩學(xué)習(xí)。他的研究曾榮獲SODA最佳學(xué)生論文獎(jiǎng)和INFORMS拍賣與市場(chǎng)設(shè)計(jì)領(lǐng)域的Rothkopf獎(jiǎng)。

加入OpenAI之前，Wei博士曾先后在MetaAI(FAIR)、MicrosoftResearch及D.E.Shaw公司積累了豐富的研究與行業(yè)經(jīng)驗(yàn)。

在MetaAI(FAIR)期間，他參與研發(fā)了在策略游戲《外交》(Diplomacy)中達(dá)到人類頂尖水平的AI系統(tǒng)CICERO，該成果發(fā)表于2022年的《Science》雜志。

AlexanderWei小組的工作給最近深陷挖腳危機(jī)的OpenAI注入了一針強(qiáng)心劑，NoamBrown似乎也有意借此向外界傳遞一個(gè)重要信號(hào)：OpenAI依然是一個(gè)前沿技術(shù)實(shí)驗(yàn)室，其擁有的技術(shù)比其他實(shí)驗(yàn)室提前幾個(gè)月。只有在這里工作，你才能在第一時(shí)間接觸到這些東西。你同意他的看法嗎？

參考鏈接：https://x.com/alexwei_/status/1946477754372985146