#数学推理

共 129 条 · 7 天 6 条 · 30 天 30 条

OpenAI 32 推理模型 19 Astra 12 Claude 9 Gary Marcus 7 Anthropic 6 Qwen3 6 黎曼猜想 6

信息流里打上「数学推理」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月16日

论文 Agent 与开发者09:30

arXiv 论文提出 ClaimScope：数学声明审计基准，验证器反馈提升补全率

一篇数学审计方向的论文，搭了个 72 任务的基准，用 Qwen3-8B 测出验证器反馈确实能帮模型交出更多可用反例。做数学推理评估的可以看看它的任务设计。

#ClaimScope #Qwen3-8B #数学推理 #基准测试

arXiv cs.LG@Mushir Akhtar原文

10月15日

模型 Agent 与开发者74°12:44

上海AI实验室用书生-S2模型证明三维Ghys猜想

中国团队用自研大模型 S2 拿下了困扰30年的 Ghys 猜想，北大团队还做了形式化验证，代码都开源了，数学+AI的人值得看看。

#书生-S2 #上海人工智能实验室 #SHEAF #数学推理

IT之家原文

10月14日

模型中美对照多源确认82°23:47

OpenAI 内部模型产出 722 篇数学手稿，密码学家担心公钥加密被攻破

OpenAI 内部模型写了 722 篇数学手稿，密码学家都开始算 AI 攻破公钥加密的概率了。

#OpenAI #X25519 #公钥加密 #密码学

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

论文 Agent 与开发者多源确认14:01

qtBench：29道组合开放难题，OpenAI给出多个拟解

数学家把29道组合开放题做成qtBench，OpenAI研究员对几道给出拟解，脚手架还能防作弊。

#qtBench #OpenAI #基准测试 #数学推理

arXiv: OpenAI@Eugenio Cainelli 等 4 人11 个信源在谈原文

论文 Agent 与开发者10:21

EDEN：在嵌入空间注入锚定噪声改进 RLVR 探索

这篇改进 RLVR 探索的论文思路挺巧：不加大采样量，而是给提示加个扰动嵌入位置，同预算下比 GRPO 提升明显。

#RLVR #GRPO #论文 #强化学习

arXiv cs.LG@Daijiao Liu 等 4 人原文

10月12日

模型中美对照多源确认17:47

Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并获同行评审

DeepMind 的 AlphaProof Nexus 解出了两个悬置 56 年的 Erdős 问题，还老老实实走了同行评审发在 Science 上，对比 OpenAI 直接往 GitHub 堆证明被抵制，这波操作挺讲究。

#AlphaProof Nexus #Google DeepMind #OpenAI #数学推理

官方账号Decoder@Manuel Uth11 个信源在谈原文

模型 Agent 与开发者多源确认83°03:35

OpenAI模型解决需人类数年的数学问题

OpenAI的AI模型能解决需要人类数年的数学难题，靠的是蛮力和耐力，不是传统推理方法。

#OpenAI #数学推理 #AI模型

The Information@theinformation11 个信源在谈原文

10月11日

模型中美对照多源确认78°05:19

OpenAI 发布 722 篇内部模型数学手稿

OpenAI 拿没公开的模型一口气写了 722 篇数学论文，平均每篇烧 3 小时 ChatGPT Pro 算力，模型却藏着不给用。

#OpenAI #ChatGPT Pro #数学推理 #推理模型

AI Will@FinanceYF511 个信源在谈原文

10月10日

模型中美对照多源确认12:04

OpenAI 公开支持 open-problems 声明的 722 篇论文

OpenAI 把 722 篇论文全放出来了，就是那个 372 个数学结果的说法，平均每个只用了 ChatGPT Pro 3 小时算力，可以自己去翻原始材料。

#OpenAI #ChatGPT Pro #数学推理 #推理模型

AI Will@FinanceYF511 个信源在谈原文

论文多源确认76°11:50

OpenAI 公开数学研究论文：722 篇手稿覆盖 372 项结果

OpenAI 把之前说解决开放数学问题的论文放出来了，722 篇手稿怎么来的、花了多少算力都写清楚了

#OpenAI #ChatGPT Pro #数学推理 #论文

AI Will@FinanceYF511 个信源在谈原文

模型中美对照多源确认03:35

OpenAI 模型凭蛮力攻克需人类耗时数年的数学难题

OpenAI 的模型把数学家要磨几年的题用蛮力硬算出来了，这篇讲它到底怎么做到的。

#OpenAI #推理模型 #数学推理

The Information@theinformation11 个信源在谈原文

模型中美对照多源确认01:27

OpenAI 内部数学模型 Aeon 被曝单次提示解出多数近期数学成果

有人爆料 OpenAI 秘密模型 Aeon，一道题平均想 3 小时就啃下不少数学难题，训练曲线还没到头，看着挺吓人。

#OpenAI #Aeon #数学推理 #推理模型

Andrew Curran@AndrewCurran_11 个信源在谈原文

10月9日

模型中美对照多源确认03:34

OpenAI 模型攻克人类需数年解决的数学难题

OpenAI 的模型在啃人类数学家要算好几年的难题，方法说白了就是算力硬堆加死磕时间，看看数学家怎么评价。

#OpenAI #推理模型 #数学推理

The Information@theinformation11 个信源在谈原文

10月8日

模型中美对照多源确认01:34

Mark Chen 谈 Navier-Stokes：重点不在题目本身

OpenAI 的 Mark Chen 说这次模型跑出的一周顶十年数学功力，还预告要拿去搞生命科学和对齐，原推值得点开看图。

#Navier-Stokes #OpenAI #alignment #数学推理

官方账号Mark Chen (OpenAI 研究)@markchen9011 个信源在谈原文

10月7日

论文中美对照多源确认11:36

OpenAI 发布多道数学难题解答，解题量超过人类十年

Bindu Reddy 说 OpenAI 解出了一批很难的数学题，数量比人类十年解的还多，搞数学科研的可以看看。

#OpenAI #数学推理 #推理模型

Bindu Reddy@bindureddy11 个信源在谈原文

论文 Agent 与开发者多源确认11:19

OpenAI 在 GitHub 公开 AI 数学竞赛成绩与算力开销

OpenAI 把数学竞赛成绩放上了 GitHub，还透露每道题平均要烧掉三小时 ChatGPT Pro 的算力，成本党可以算算账。

#OpenAI #ChatGPT Pro #数学推理 #开源

Tech in Asia@Grace Priscilla Teo11 个信源在谈原文

模型中美对照多源确认83°06:38

OpenAI 发布仓库：未公开前沿模型求解约 4000 道数学题

OpenAI 把未发布模型解的约 4000 道数学题解法开了仓库，每题平均烧三小时 Pro 级思考算力，可以去看它的解题过程。

#OpenAI #ChatGPT Pro #数学推理 #推理模型

TestingCatalog@testingcatalog11 个信源在谈原文

模型中美对照多源确认71°04:33

OpenAI 计划在 GitHub 发布数百道已解决数学难题

OpenAI 要在 GitHub 一次性放出几百道解开的数学难题，WIRED 报道的，前一天晚上论文抢发成潮，挺有意思的动向。

#OpenAI #GitHub #数学推理 #推理模型

Andrew Curran@AndrewCurran_11 个信源在谈原文

10月4日

模型 Agent 与开发者81°00:47

Meta 发布六篇论文：数学家与 Muse Spark 1.1/1.2 协作求解开放数学问题

Meta 让数学家用 Muse Spark 的普通聊天界面做开放数学题，还发了六篇论文，每篇都标注人和 AI 各写了哪部分。

#Muse Spark #Meta #数学推理 #推理模型

官方账号Meta AI@AIatMeta原文

10月2日

论文 Agent 与开发者10:24

诊断与修复大语言模型的数学推理能力

这篇论文揭示了LLM数学推理的瓶颈，提出了新评估框架和改进方法，对提升AI数学能力有重要参考价值。

#Mathematical Primitive #hlei #abs #数学推理

arXiv cs.LG@Shuo Xing 等 10 人原文

10月1日

论文 Agent 与开发者精选09:55

Activation-Conditioned Self-Distillation研究发布

ACSD让模型自己当老师，数学准确率提升近3%，还能跨数据集复用方向向量。

#ACSD #DeepSeek-R1-0528-Qwen3-8B #LiveCodeBench #自蒸馏

arXiv: DeepSeek@Zhexi Lu 等 5 人原文

9月30日

论文 Agent 与开发者精选10:43

后训练如何改变数学推理能力

这篇论文分析了不同后训练方法对数学推理的影响，发现压缩只是后训练的一种模式，而非普遍解释。

#Qwen3 #DeepSeek-Math #数学推理 #后训练

arXiv: DeepSeek@Hongyang Li 等 6 人原文

论文 Agent 与开发者10:36

链式思维可验证性研究

这篇论文揭示了AI思维链的不可靠性，即使答案正确，推理过程也可能存在缺陷。

#iGSM #链式思维 #数学推理 #AI安全

arXiv cs.AI@Ratish Puduppully 等 6 人原文

论文 Agent 与开发者09:38

RoVR-GSPO双通道鲁棒策略优化器发布

新发布的RoVR-GSPO优化器解决了奖励和序列权重敏感问题，在多个任务上超越GSPO，对异常值更鲁棒。

#RoVR-GSPO #GSPO #策略优化 #鲁棒性

arXiv cs.AI@Zhongyi Li 等 7 人原文

9月29日

论文 Agent 与开发者精选18:33

大模型数学推理存在组合鸿沟

MIT发现大模型数学推理新问题：即使每步都对，组合起来仍可能错，连DeepSeek-V3.1都逃不过。

#OracleLadder #NuminaMath #数学推理 #组合鸿沟

arXiv: DeepSeek@Zhuohan Wang 等 6 人原文

9月24日

论文 Agent 与开发者10:39

UECR-GRPO：用熵校准统一策略内蒸馏与GRPO的信用分配

教小模型做数学题的新训练方法，把教师模型的逐token提示和答案对错验证揉进一个GRPO更新里，Qwen3-1.7B和4B都涨了不到1个点，做RL训练的可以看看细节。

#GRPO #Qwen3 #策略内蒸馏 #数学推理

arXiv cs.LG@Jie Zhang 等 5 人原文

9月22日

构造逆向思维：提升大模型反向推理能力的训练方法

让模型学会倒着想：论文构建正反双向数学数据集，配合奖励机制让模型自选推理模式，数学证明准确率提升。

#DeepSeek-R1 #GPT-o3 #推理模型 #数学推理

arXiv: DeepSeek@Xin Liu 等 5 人原文

行业多源确认11:24

OpenAI 称解决 Navier-Stokes 难题，三位数学家指其回避了问题

OpenAI 宣称解出 Navier-Stokes，被三位数学家指出其实绕开了问题，典型宣传翻车现场。

#OpenAI #Navier-Stokes #数学推理 #AI炒作

Gary Marcus@GaryMarcus11 个信源在谈原文

Endless Exam 基准：用14类数学构造衡量模型通往超级智能的进度

有人出了个数学基准 Endless Exam，14类构造题自动验证打分，8个模型全测了一遍，目前没谁超过人类已发表纪录。

#Endless Exam #数学推理 #基准测试 #超级智能

arXiv cs.AI@Muhan Zhang原文

行业多源确认78°06:22

OpenAI 组建数学顾问小组，其 AI 已解决 100 多个开放数学问题

OpenAI 的 AI 已解决 100 多个开放数学问题，还组了个数学顾问团提建议，但顾问管不了研究进度。

#OpenAI #数学推理 #AI治理

techcrunch@Aditya Mehta11 个信源在谈原文

9月18日

模型中美对照精选11:13

谷歌曝光内部数学推理模型 Mathematica，支持百万词元上下文

谷歌新出的 Mathematica 数学推理模型，能处理百万词元的上下文，专门解决数学难题，比之前的高阶数学竞赛模式更强。

#Mathematica #DeepThink #谷歌 #数学推理

IT之家原文

9月16日

论文 Agent 与开发者精选09:29

一种改进的模型蒸馏方法，通过时间信用分配提升大语言模型性能

这篇论文提出了一种新的模型蒸馏方法γOPD，它通过引入折扣时间信用分配来平衡长时程监督和优化稳定性。实验表明，该方法在数学和代码推理任务上，比现有方法有更稳定的提升效果。

#模型蒸馏 #大语言模型 #代码推理 #数学推理

arXiv cs.LG@Shiqi Liu 等 12 人原文

9月15日

论文政策与合规精选23:59

一种新的强化学习优化方法 Bellman Policy Optimization

推荐给做强化学习或大模型推理的研究者，BPO 是一种新的优化方法，可能对提升大模型的推理能力有帮助。

#Bellman Policy Optimization #强化学习 #数学推理

arXiv cs.LG@Zhuoqing Song 等 4 人原文

9月14日

模型中美对照多源确认精选78°09:53

OpenAI 发布 Rethink 模型，在数学推理任务上超越 GPT-4

OpenAI 新发布的 Rethink 模型在数学推理上比 GPT-4 强，你可以试试看。

#OpenAI #Rethink #GPT-4 #数学推理

小互@imxiaohu11 个信源在谈原文

9月12日

模型中美对照多源确认17:52

GPT-6 Astra 刷穿 FrontierMath Tier 4

GPT-6 Astra 在数学推理上又进步了，这次是刷穿了 FrontierMath Tier 4，这个测试以前是专家和顶尖模型都过不了的。

#GPT-6 #FrontierMath #数学推理

量子位@henry11 个信源在谈原文

9月10日

论文 Agent 与开发者精选73°09:37

几何推理框架：从符号感知到逻辑演绎

清华团队发布几何推理框架，用LLM+专用模块解决几何题，性能比肩Gemini 2.5 Pro，解题过程更清晰。

#几何推理 #LLM #Gemini 2.5 Pro #符号解析

arXiv cs.AI@Weichen Dai 等 7 人原文

9月9日

模型 Agent 与开发者多源确认精选73°01:47

OpenAI分享模型数学思维过程

OpenAI科学家揭秘Astra如何解决数学难题，包括改进球体堆积记录和证明非sofic群存在。

#OpenAI #GPT-5 #Astra #数学推理

a16z@a16z11 个信源在谈原文

模型 Agent 与开发者多源确认精选73°00:47

大模型在解决未解数学问题上具结构优势

OpenAI的Astra模型在数学问题上取得突破，改进了40年未打破的球体堆积记录，证明AI在细节处理上优于人类。

#Astra #GPT-5 #OpenAI #数学推理

Justine Moore@venturetwins11 个信源在谈原文

9月8日

模型 Agent 与开发者多源确认精选73°23:58

OpenAI团队谈GPT-6 Astra数学突破

OpenAI团队分享Astra如何解决数学难题，包括改进40年前球体堆积记录和大幅简化复杂证明。

#GPT-6 #Astra #OpenAI #数学推理

a16z@a16z11 个信源在谈原文

9月7日

论文 Agent 与开发者78°09:40

RISE：递归改进通过自我外推策略蒸馏

RISE方法解决了传统蒸馏中教师质量瓶颈问题，用模型自身轨迹构建教师，在多项任务中超越现有方法。

#RISE #RLVR #策略蒸馏 #语言模型

arXiv cs.AI@Yang Li 等 3 人原文