创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

GPT-6.2 Astra登顶Autoform-Hard

AI 总结

Vals AI最新Autoform-Hard榜单显示,GPT-6.2 Astra以87.50%的准确率解决56道高难形式化数学题中的49道,排名第一。Claude Fable 5.2和GPT-6.2 Sol均解出48题,以85.71%并列第二。据Vals AI称,Astra在无人干预下用94分钟和1,794行Lean代码完成了Smoktunowicz间隙定理的形式化证明,并提出“容量”新论证,没有调用原证明依赖的三个定理。

深度见解

公开的完整运行日志和证明链接可供核查,Vals AI复核时也未在所查1995年和2006年论文中发现相同论证。

刚刚,第三方评测机构Vals AI放出了高难数学基准Autoform-Hard的最新榜单。

56道博士与科研级数学难题,此前10个前沿大模型去测,结果一道都没做出来。

而在这轮测试里,Claude Fable 5.2和GPT-6.2 Sol双双做对48道,打成平手。

唯独GPT-6.2 Astra多做对了第49道题,拿下了榜单第一。

这道唯一拉开差距的第49题,正是2006年发在数学四大顶刊上的Smoktunowicz间隙定理。

在全程零人工干预的环境里,Astra只用了94分钟、写下1,794行Lean代码,就拿下了它的全球首个形式化证明。

#GPT-6.2 Astra#GPT-6.2 Sol#Claude Fable 5.2#Autoform-Hard#AutoformBench#Lean#Mathlib#Meta FAIR#Vals AI

原文约 7 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。