"AI登月时刻",OpenAI模型摘取奥数金牌

2025-07-20 | 来源: 未尽研究 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

OpenAI的一个通用推理模型，在刚结束的国际奥林匹克数学竞赛（IMO）中达到了金牌的水平。AI登月时刻，社交媒体一夜无眠，AI圈子沸腾了。

在与人类参赛者完全相同的规则下，OpenAI的模型挑战了2025年IMO试题：两场各4.5小时的考试、禁用任何工具和互联网、只能阅读官方题面并以自然语言撰写完整证明。模型完整解出了6题中的5题。每道题都由三位前IMO奖牌得主独立批改，并在取得一致意见后定分。最终模型拿到35/42分——足以摘金！

重大意义在于，这是一个通用推理模型，而不是一个专门用来解数学题的专门系统，也没有经过验证的奖励信号，即它不是依赖于“有标准答案、实时打分的奖励”来学会的，而是靠更通用的推理和新技术，在长时间复杂的过程中，做出了正确的推理和证明。

OpenAI证明，尽管经历了Meta疯狂的挖角，它依然保持了顶尖研究人才的密度，做出重大的研究突破。本周OpenAI的模型o3 alpha在AtCoder世界巡回赛2025决赛中仅逊于人类编程奇才Psyho，获得第二名；测试中强于o3 pro，是最好的编程及物理模型。

这样，OpenAI目前拥有了最强的编程及数学模型，让它再次碾压DeepMind，Anthropic，Grok等，也再次与中国引领的开源模型拉开了差距。

实际上，OpenAI内部正在测试一个全新的推理模型，取得奥数金牌成绩，仅是其一次小试牛刀。它的正式发布甚至会在GPT-5之后，预计是今年底。OpenAI推理研究的科学家Alexander We负责这个模型项目，他首先宣布了这一消息，并顺带提及GPT-5发布在即。

这是一件大事，我们可以说它让成为AGI迈向ASI的新起点吗？Alexander Wei发了一组帖文说明它的意义：

“第一，IMO题目对“持续创造性思考”提出了前所未有的要求。从推理时间跨度来看，我们已经一路从GSM8K（顶尖人类约0.1分钟）→MATH数据集（约1分钟）→AIME（约10分钟）→IMO（约100分钟）。

第二，IMO答案往往是长达数页、难以验证的证明。要想在这一关取得进展，就必须跳出传统强化学习“奖励信号清晰、易于验证”的范式。我们做到了——由此得到的模型能够在复杂度和严谨性上匹敌人类数学家。

软银与OpenAI发生分歧,5000亿美元项目大幅缩水?

OpenAI、软银意见不合!川普"星际之门"计划卡关

摩根大通:OpenAI未来四年将烧钱3000多亿 ...

除了结果本身，我更兴奋的是方法：我们并未依赖狭窄的、任务特化的技巧，而是通过通用强化学习与“测试时计算”扩展的新突破，才达到这一水准。”

这项成就，在OpenAI内部被认为是实现了急需的一次研究上的突破，“Alex Wei做到了。”它几乎没有针对IMO做任何专项工作，只是持续训练通用模型；所有证明均为自然语言撰写，没有使用任何定制化的评测框架。

这个模型的尺寸仍然是个谜，不过OpenAI的团队成员透露，所用的算力相当有限，因为星际之门还没有投入使用。

OpenAI科学家Sebastined Bubeck称之为AI的“登月时刻”。简单讲：一个只是预测下一个词的机器（真的是啥工具都没用）刚刚给出了几个又难又新的数学题的创造性证明，这种水平平时也只有少数天才少年能做到。

OpenAI的首席研究官Mark Chen曾经担任美国国际奥林匹克信息竞赛的教练，他认为：“不同于以往比赛中用的那些狭窄的系统，我们的模型具备更广泛的推理能力，远远超越了竞赛题的范围。”

他指的是谷歌的AlphaProof在去年的奥数赛中，解出了6道题中的4道。

解决了奥数金牌的问题，接下来就是人类真正待解的难题了。在OpenAI多智能体组的研究员Sheryl Hsu参与了这个项目，她激动地说，从起步到达到奥数金牌水平，仅用了15个月，照这个速度下去，明年就可以用来产生数学定理和用全新方法进行数学研究了。