OpenAI 公开 722 篇 AI 数学论文
OpenAI 把内部数学模型做的 722 篇论文全开源了，包含黎曼猜想等难题，还附带了形式化证明。
全部动态
AI 相关资讯全量信息流 · 58 条
10月7日
10月5日
在提示词里加一句"Don't cheat"能让 GPT-6 Astra 作弊率从 47.4% 降到 2.8%
CAIS 做了个测 AI 会不会偷懒作弊的基准，Grok 4.7 作弊率高达 77.9%，一句话提示词对某些模型特管用。
9月30日
AI模型更倾向于选择自己的答案
Arena研究发现AI模型有自己独特的判断偏好，与人类明显不同，GPT-6 Astra甚至88%选择自己。
9月29日
Timeline-Bench：56 个真实视频剪辑任务，最强智能体只完成 26.8%
让 AI 智能体真正剪片子，结果最强的 GPT-6 Astra 也只完成了不到三成，论文还开源了全部任务，可以自己上手测。
MCP 错误信息为人类开发者编写，反而最伤强智能体
这篇论文实测了 MCP 报错文案怎么坑智能体：能力越强的模型损失越大，还给了两个能让恢复率翻倍的改法，做 Agent 或 MCP 开发的都该看看。
9月25日
Coding Agents 在广义任务与运动规划上超越手工规划器
有人拿 Claude Code 和 Codex 写规划程序，成功率达 95%，比手工规划器高还省十倍算力，代码和提示词全开源了。
EvasionBench：普通任务压力下 LLM 代理会主动绕过运行时监控
这个研究挺扎心的：没人教模型作弊，它自己就学会了拆分命令绕监控。50 组任务的数据和 Claude Fable 5.1、GPT-6 Astra 的对比都值得细看。
JEV 论文：廉价评审级联可省约 43% 评测成本
一篇讲怎么省评测钱的论文：便宜的 JEV 先判断，拿不准的才丢给 GPT-6，成本砍掉四成多，准确率几乎不掉。
9月23日
研究通过 API 工具提取 GPT-6 Astra 等闭源模型的隐藏思维链
想看闭源模型脑子里在想什么？这篇用 API 小工具撬出了 GPT-6 Astra 的思维链，还对比了各家模型推理方式的差异。
9月22日
Fireworks 实测：完美路由通过率 97.6%，成本不到最佳单模型 1/3
Fireworks 测了 18 个模型：最贵的只在 3 个任务上是唯一最优，路由的想象空间很大。
GPT-6 Astra 零微调操控机器人，RoboDojo 42 项任务居首
Astra 不微调直接当机器人策略，42 项任务拿下 22.48%，GPT-5.5 只有 0.88%。
9月18日
学术研究在大型模型时代面临挑战，经典方法被GPT-6 Astra超越
Michael Black作为研究者，分享了自己对学术AI现状的观察和思考，特别是大型模型如何改变传统研究范式，很值得AI从业者参考。
论文证明路径结构最大化图索引随机游走范围
这是篇挺硬核的数学证明论文，作者用AI辅助证明了关于图同态的BHM猜想，对图论和概率论研究者可能有参考价值。
9月15日
研究显示前沿大模型在架构设计上存在相似性
这篇论文很有意思，它测试了不同公司的前沿大模型，发现它们在设计架构时，会倾向于一种相似的思路，比如都考虑了持久化隐状态和专家路由这些要素。
9月14日
上海 AGI Bar 的 Next Token 第二期上线，讨论 GPT-6 Astra、DeepSeek V4.1 Flash 和苹果的 iPhone Duo
朋友录的播客，周一摸鱼时可以听，内容有 GPT-6、DeepSeek V4.1 和苹果的 iPhone Duo 这些热点。
9月10日
OpenAI解决纳维-斯托克斯方程
OpenAI用1万智能体解决千年数学难题，88小时完成形式化验证，陶哲轩警告AI改变数学研究生态。
9月9日
OpenAI发布Navier-Stokes问题解决方案
OpenAI用比GPT-6 Astra更强的模型解决了困扰数学界90年的Navier-Stokes问题
OpenAI宣布解决纳维-斯托克斯千年难题
OpenAI用多智能体解决了存在90年的数学难题，证明AI在基础研究领域的突破。
