GPT-6首日攻克五道Erdős难题，Fable 5.1惨遭淘汰

刚刚发布的GPT-6 Astra在首日测试中成功解决了五道著名的Erdős数学难题。这一成果出自Epoch AI和曼彻斯特大学联合发布的FrontierMath Erdős（FME）基准测试论文。此次考试涉及68道人类尚未解答的难题，五个顶尖AI模型一同参与，其中GPT-6 Astra成为唯一一个得分非零的模型，以3%的得分率突围而出。其余四个模型，包括GPT-5.6 Sol、GPT-5.5、Claude Fable 5.1和Claude Fable 5均未能解题，结果全为0分。

在一个放宽计算预算的补充测试中，GPT-6 Astra成功解答了其中五个难题，其中包括Erdős在1931年提出的“也许是我第一个认真的问题”以及1962年的Erdős-Sós猜想，后者被认为是极值图论中最具挑战性的问题之一。

陶哲轩近期对AI在数学领域的成就提出批评，指出许多成果并非在严格控制的科学条件下获得，并列出了五个主要问题，包括仅报告成功而忽视失败，算力使用不透明等，因此FME应运而生。FME通过三项核心原则设计，旨在明确划分AI在解题过程中的表现。首先，它使用尚未被人类解出的难题避免数据污染；其次，要求AI以Lean证明助手形式提交正式证明，由Lean内核进行最终评判；最后，确保所有模型在相同条件下作答，确保公平性。 球友会

FME的具体形式化证明方法拓宽了基准测试的范围，让任何能在Lean中形式化的猜想都可以被纳入。即使猜想为假，模型也可通过构造其否命题的证明确认解题完成。验证过程经过精心设计，将尝试分配到两个隔离的Docker容器中，确保验证结果的安全性和可靠性。

选择这68道Erdős难题的过程由曼彻斯特大学的Thomas F. Bloom负责，他从网站上652个开放问题中挑选了最艰深且最具数学意义的问题，确保每道题的解决都会引起相关领域的兴趣。这些问题不但考验AI的数学能力，还为整个数学界提出了新的思考。

Erdős生前以提出许多重要的数学问题而著称，这些问题的复杂性和重要性决定了FME的选题标准，希望锁定更有挑战性的“硬骨头”。 球友会