OpenAI宣布了其新的o3模型，该模型在Frontier Math基准测试中取得了25%的成绩，相较于生成式AI此前平均2%的成绩实现了显著飞跃。这一结果突显了AI数学推理能力的快速提升。

  • Frontier Math是一个私有的基准测试，包含具有挑战性的数学问题，旨在测试类人能力，而不依赖记忆的数据。
  • o3模型使用迭代思维链，使其能够在回答之前评估和纠正自己的推理步骤。
  • 此过程需要大量的计算资源，个别问题的解答成本超过1000美元。
  • 与Google DeepMind的AlphaProof等专用模型不同，o3是一个通用AI，展现出高级数学技能。

文章指出，如果成本降低且成绩提高，AI数学家可以通过自动化目前受限于人类专家稀缺的验证过程，来变革形式化方法。