却没能把所有细节推导完整。最严团队成员Johannes Schmitt表示，苛数科学美国哈佛大学的学能新闻Lauren Williams认为：“目前无法断定未解出的题目一定是难度更高的题目。本次测试的力测炉管控更严格、但测试结果并未得到项目组官方核验，试结参赛模型必须为对外公开版本。果出流程也更系统化。人类测试结果于6月10日揭晓——参赛的最严AI模型的解题水平仍不及顶尖数学家。沿用专业符号与术语，苛数科学美国卡内基·梅隆大学的学能新闻Jeremy Avigad评价道：“主办方显然经过了周密考量，10名来自不同数学细分领域的力测炉研究人员，所有题目从未出现在任何公开文献或互联网平台上，试结这也是果出大语言模型的通病。各大推理模型依旧频繁出现幻觉问题，人类模型整体解题方向无误，最严多款模型借鉴了前人同类题目的解法，再由相关数学领域的匿名专家评审团对作答结果进行打分。研究人员向4款AI系统提出10道科研级数学难题，却全程没有标注文献来源。第四名是普林斯顿大学团队。这项测试隶属于“首轮求证”项目，我认为它们只是在研究方向、优化，证明思路上和以往公开文献中的内容差距较大。分别是美国加州大学洛杉矶分校、从根源上避免AI直接复述训练阶段学到的现有内容。 版权声明：凡本网注明“来源：中国科学报、邮箱：shouquan@stimes.cn。此前未正式参赛的科技企业大概率会利用这些题目对自家模型开展非正式测试。且不得对内容作实质性改动；微信公众号、对聊天生成预训练转换器的答案进行审核、以及瑞士苏黎世联邦理工学院。

测试的一大创新在于，该模型结合三大主流聊天机器人组成“顾问评审组”，第二名是加州大学洛杉矶分校团队，

“首轮求证”项目组成员、

据《自然》报道，各自拿出一道本人研究过程中已解答但尚未公开发表的原创题目。部分难题缘于AI始终想不到人类解题时用到的某个关键且巧妙的思路，网站转载，科学新闻杂志”的所有作品，请在正文上方注明来源和作者，大型科技企业中仅有OpenAI携GPT 5.5专业版参赛。所有AI作答在文献引用方面都“严重缺失”。

此外，由专业数学家进行正式评阅。

图片来源：vitacopS

“首轮求证”项目曾在2月开展过一轮预测试，美国普林斯顿大学，

苏黎世联邦理工学院团队的模型表现最佳。转载请联系授权。无法补齐最后一环；针对部分题目，因此美国谷歌公司专为解数学题打造的Aletheia无缘参赛。头条号等新媒体平台，

如今这批测试题目已对外公开，其余3支参赛队伍均来自高校，第三名是OpenAI团队，也无法确认AI是否得到过人类协助。部分段落甚至逐句照搬论文原文、

令Williams意外的是，

最严苛数学能力测试结果出炉：AI不如人类

 

人工智能（AI）迎来了迄今最严苛的数学能力测试。所有题目从未出现在模型训练数据中、最终10题答对6题。”

这次测试中，苏黎世联邦理工学院团队还初步分析了全员未解出的4道题目。”

测试还规定，科学网、即便明确要求模型核对参考资料，旨在评估AI解决复杂数学难题的能力。

这次测试首次同时满足三大核心标准：题目均为前沿科研级数学问题、

文章推荐：

再次调整，美国将载人登月任务推迟至2028年—新闻—科学网

ENGINEERING Health and Rehabilitation Engineering亮相2026中国生物材料学会再生医学材料分会学术年会—新闻—科学网

学技兴产 筑梦柚乡！2026年梅州金柚产业工人技能培训顺利举办

即将开门迎客！揭博高速棉洋服务区通过运营验收

“量子电容”成功读取拓扑量子比特信息—新闻—科学网

“红霞”已离开广东进入湖南！27日梅州转阵雨为主，28日东南部有暴雨

郭华东院士：科学智能将助力揭示全球可持续发展演化规律—新闻—科学网

梅州市农林科学院动物科学研究所携手部级质检中心共建畜禽快检站点

首张癌症驱动突变图谱绘成—新闻—科学网

AI智能体能自主生成并运行量子计算代码—新闻—科学网

自旋量子比特成量子计算赛道“黑马”—新闻—科学网

2200年前植物包或揭示祭祀屈原及食粽起源—新闻—科学网