"AI登月時刻",OpenAI模型摘取奧數金牌

2025-07-20 | 來源: 未盡研究 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

OpenAI的一個通用推理模型，在剛結束的國際奧林匹克數學競賽（IMO）中達到了金牌的水平。AI登月時刻，社交媒體一夜無眠，AI圈子沸騰了。

在與人類參賽者完全相同的規則下，OpenAI的模型挑戰了2025年IMO試題：兩場各4.5小時的考試、禁用任何工具和互聯網、只能閱讀官方題面並以自然語言撰寫完整證明。模型完整解出了6題中的5題。每道題都由三位前IMO獎牌得主獨立批改，並在取得一致意見後定分。最終模型拿到35/42分——足以摘金！

重大意義在於，這是一個通用推理模型，而不是一個專門用來解數學題的專門系統，也沒有經過驗證的獎勵信號，即它不是依賴於“有標准答案、實時打分的獎勵”來學會的，而是靠更通用的推理和新技術，在長時間復雜的過程中，做出了正確的推理和證明。

OpenAI證明，盡管經歷了Meta瘋狂的挖角，它依然保持了頂尖研究人才的密度，做出重大的研究突破。本周OpenAI的模型o3 alpha在AtCoder世界巡回賽2025決賽中僅遜於人類編程奇才Psyho，獲得第二名；測試中強於o3 pro，是最好的編程及物理模型。

這樣，OpenAI目前擁有了最強的編程及數學模型，讓它再次碾壓DeepMind，Anthropic，Grok等，也再次與中國引領的開源模型拉開了差距。

實際上，OpenAI內部正在測試一個全新的推理模型，取得奧數金牌成績，僅是其一次小試牛刀。它的正式發布甚至會在GPT-5之後，預計是今年底。OpenAI推理研究的科學家Alexander We負責這個模型項目，他首先宣布了這一消息，並順帶提及GPT-5發布在即。

這是一件大事，我們可以說它讓成為AGI邁向ASI的新起點嗎？Alexander Wei發了一組帖文說明它的意義：

“第一，IMO題目對“持續創造性思考”提出了前所未有的要求。從推理時間跨度來看，我們已經一路從GSM8K（頂尖人類約0.1分鍾）→MATH數據集（約1分鍾）→AIME（約10分鍾）→IMO（約100分鍾）。

第二，IMO答案往往是長達數頁、難以驗證的證明。要想在這一關取得進展，就必須跳出傳統強化學習“獎勵信號清晰、易於驗證”的范式。我們做到了——由此得到的模型能夠在復雜度和嚴謹性上匹敵人類數學家。

除了結果本身，我更興奮的是方法：我們並未依賴狹窄的、任務特化的技巧，而是通過通用強化學習與“測試時計算”擴展的新突破，才達到這一水准。”

這項成就，在OpenAI內部被認為是實現了急需的一次研究上的突破，“Alex Wei做到了。”它幾乎沒有針對IMO做任何專項工作，只是持續訓練通用模型；所有證明均為自然語言撰寫，沒有使用任何定制化的評測框架。

這個模型的尺寸仍然是個謎，不過OpenAI的團隊成員透露，所用的算力相當有限，因為星際之門還沒有投入使用。

OpenAI科學家Sebastined Bubeck稱之為AI的“登月時刻”。簡單講：一個只是預測下一個詞的機器（真的是啥工具都沒用）剛剛給出了幾個又難又新的數學題的創造性證明，這種水平平時也只有少數天才少年能做到。

OpenAI的首席研究官Mark Chen曾經擔任美國國際奧林匹克信息競賽的教練，他認為：“不同於以往比賽中用的那些狹窄的系統，我們的模型具備更廣泛的推理能力，遠遠超越了競賽題的范圍。”

他指的是谷歌的AlphaProof在去年的奧數賽中，解出了6道題中的4道。

解決了奧數金牌的問題，接下來就是人類真正待解的難題了。在OpenAI多智能體組的研究員Sheryl Hsu參與了這個項目，她激動地說，從起步到達到奧數金牌水平，僅用了15個月，照這個速度下去，明年就可以用來產生數學定理和用全新方法進行數學研究了。

人工智能會在2030年前解決一個千禧年大獎難題嗎？當前市場上對這個問題的預測概率驟然上升，達到了81%。

千禧年大獎難題是指克雷數學研究所（Clay Mathematics Institute）於2000年提出的七個尚未解決的重要數學問題，每個問題的獎金是100萬美元。

GPT-5

在OpenAI工作,是一種怎樣的體驗?

華人記者深扒OpenAI AI帝國全靠偷數據?

又一華人科學家被挖走,OpenAI人才加速流失

萬眾期待的GPT-5要來了。奧特曼宣布：

我們很快就會發布GPT-5，但也希望大家對它抱有合理的預期：這是一個實驗性的模型，融入了我們將在未來模型中繼續采用的新研究技術。

我們相信你們會喜歡GPT-5，但在接下來的幾個月裡，我們並不打算發布一個具備IMO金牌水平能力的模型。

有一種說法是這次發布就是為了終結命名混亂，將轉用一個統一模型架構，用戶只要“挑/調”推理強度或智能等級即可。

圈子裡也在流傳GPT-5的蛛絲馬跡。這張圖顯示GPT-5在測試生物風險，用的是最強推理模式，限時15分鍾，連跑10次mbct生物題，把結果和日志按指定目錄收好。

一些AI研究者分析：GPT-5將采用end-to-end強化學習（RL）進行訓練，模型直接在環境中從原始輸入學習到最優策略，無需人為拆分子任務或設計中間模塊，也不依賴於顯式的chain of thought（逐步推理）輸出。通過整體性的獎勵信號指導，模型能夠高效地探索、試錯並收斂到優秀的解決方案，實現更高的任務完成度和更強的泛化能力。

最近OpenAI被Meta挖角，幾乎傷筋動骨。但這次奧數奪金，等於是告訴Meta：我們要向超級人工智能跨越了。

最後，下面是OpenAI負責推理研究的Noam Brown的評論：

今天，我們@OpenAI取得了一個許多人認為還需要幾年才能實現的裡程碑：一個具備金牌水平的推理型大語言模型（LLM），在2025年國際數學奧林匹克（IMO）中，在與人類相同的時間限制下、無需任何工具，完成了解題。

聽起來已經很驚人了，但這個成就的意義其實遠不止這個標題所能表達的：

通常來說，像圍棋、Dota、撲克、外交游戲（Diplomacy）等領域的AI結果，研究人員要花費數年時間，打造一個只擅長某個狹窄領域、除此之外幾乎一無是處的AI。

但這次並不是一個專門針對IMO的模型，而是一個融合了全新實驗性通用技術的推理型LLM。

那麼，有什麼不同呢？我們開發了新的技術，讓LLM在那些難以驗證的任務上表現得更好。IMO題目正是絕佳的挑戰：證明通常長達數頁，專家們也需要幾個小時才能批改。相比之下，AIME（美國數學邀請賽）的答案只是0到999之間的一個整數。

此外，這個模型會“思考”很久。o1思考幾秒，Deep Research思考幾分鍾，而它可以思考幾個小時。更重要的是，它的思考效率也更高。而且，在推理時間計算和效率上，我們還有很大的提升空間。

頭圖來自：AI生成

值得回顧的是，AI尤其是在數學領域的進步有多麼快。2024年時，AI實驗室還在用小學數學（GSM8K）作為模型發布的評測。隨後我們達到了高中水平的MATH基准，又突破了AIME，如今則達到了IMO金牌水平。

接下來會怎樣？盡管最近AI進步飛快，我完全相信這個趨勢還會繼續。更重要的是，我認為我們正接近讓AI在科學發現中發揮實質性作用的階段。因為AI的表現從略低於頂尖人類水平到略高於頂尖人類水平之間，其差距是巨大的。

這是一個由@alexwei_領導的小團隊完成的成果。他把一個很少有人相信的研究想法，變成了一個幾乎沒人覺得可能實現的結果。當然，這一成就也離不開@OpenAI以及更廣泛的AI社區多年積累的研究和工程工作。

當你在一家前沿實驗室工作時，通常會提前幾個月知道前沿能力在哪裡。但這個結果使用了最近才開發出的新技術，甚至對許多OpenAI的研究人員來說也是一個驚喜。今天，每個人都可以看到前沿在哪裡。