算法论文8

斯坦福等团队提出大模型数学证明评测标准

AI前线2025-07-17

AI 摘要

斯坦福等团队针对大语言模型数学证明能力提出新思路，构建IneqMath数据集和‘AI数学裁判系统’。研究发现模型‘答案准’不代表‘推得对’，并给出自我批判和定理提示两个提升准确率的办法。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

OpenAI等用AI攻克Erdős数学难题

2026年，OpenAI等公司用AI解决多个匈牙利数学家Paul Erdős提出的问题，震动数学界。这些问题分布广、难度跨度大，适合模型测试。不过，AI证明的验证和人类数学家地位受关注。

牛津大学和新加坡国立大学研究团队提出心智世界建模（MWM）通用框架，将心智变量纳入世界状态。还实现基准系统 MENTIS 验证其有效性，实验表明 MWM 对预测人类决策必要，瓶颈是状态转移模拟能力不足。

周三晚间，DeepSeek 突然发布 V4 Pro 大语言模型正式版，命名为 DeepSeek - V4 - Pro - 0813，官方未调升 API 使用价格。有用户称调用的 V4 Pro 思维链风格有变，跑分显示其 Agent 评测表现可媲美顶级模型，还撞车了马斯克的 Grok 4.6。

大语言模型走向“完成任务”，Agentic RL 后训练让系统工作负载不稳定。港中文和恒生大学团队提出 Libra 资源管理系统，统一优化训练与 rollout，在多任务中提升吞吐，论文与代码已公开。