OpenAI 對 4,000 個未解數學問題測試模型

多年來，數學測試一直是評估 ChatGPT 和 Claude 等 AI 模型的標準方式。OpenAI 現在聲稱其模型已變得非常熟練，傳統數學測試已不足以挑戰它們。因此研究人員轉向更困難的方法。

一個未發布的 OpenAI 模型被給予了大約 4,000 個未解數學問題。結果既令人驚訝又令人擔憂。

從這次練習中，AI 生成了 722 份手稿，這些手稿被組織成 372 個相關發現的家族。據 OpenAI 表示，每個結果平均消耗大約三小時的推理計算。

「數學社群將迎來一些相當令人振奮的日子！」表示 Stefano Gogioso，BeInCrypto 未來科技與 AI 專家委員會成員

AI 是否以不安全的速度發展？

更大的故事是，前沿 AI 正開始超越回答已知問題，進入為未知問題提出可能性的領域。

這項發展可能極大擴展研究人員、工程師或分析師能夠承擔的智力工作量。

然而，輸出不等於真理。OpenAI 的幾篇論文包含可計算機檢查的 Lean 證明，而其他論文則缺少。OpenAI 警告說，一些未驗證的結果「可能存在問題」。

我們正在發布由內部前沿模型產生的廣泛新數學成果。

我們一直與高等研究院的獨立數學與人工智慧諮詢小組協商，並借鑒他們的建議和…

— OpenAI (@OpenAI) October 6, 2026

AI 能否進行投資預測分析？

有可能，但金融領域帶來一系列獨特的挑戰。

數學證明最終可以被證明是正確或不正確。然而，市場充滿噪音且不斷變化。

金融領域的近期基準測試表明，前沿 AI 在複雜投資研究方面仍面臨困難，而關於市場時機的研究只顯示有限的預測效益。

短期內，機會在於更深入的分析，而非完美的預測。

能夠連續數小時推理的人工智慧可能同時審查文件、財報電話會議、總體經濟數據和競爭情境，隨後測試比單一分析師多得多的假設。

這可能就是 OpenAI 測試中更重要的收穫。AI 日益能夠在大規模範圍內生成嚴謹的分析輸出。接下來挑戰是確定這些輸出中哪些值得信任。