主要证据
- FrontierMath: A benchmark for evaluating advanced mathematical reasoning in AIS1 · 主要研究来源 · 基准 · 2024-11-08
FrontierMath 引入专家构造的研究级数学评测
该基准与六十余位数学家合作构建，强调通常需要专家数小时乃至数天才能解决的问题。
发生了什么？
FrontierMath 发布数百道覆盖现代数学的专家原创问题；发布时领先模型的解题率均低于 2%。
为什么重要？
它在可量化模型推理与真实数学研究难度之间建立了更直接的桥梁。
重要性说明：FrontierMath 把非形式数学评测从竞赛题进一步推进到覆盖高阶与研究数学的专家原创问题。
历史脉络
证据与状态一览
- 重要性
- H2 · 领域里程碑
- 验证状态
- 尚属声明
- 证据等级
- E3 · 可检查工件
- AI 角色
- 仅计算支持
- 形式保障
- 有形式化工件
贡献与验证
- 数学新颖性
- 工具性进展
- 接口
- 非形式化, 符号, 数值, 混合
- AI 贡献
- 前沿模型在专家原创问题上使用长程推理和计算工具接受评测。
- 人类贡献
- 数学家编写并审查问题，Epoch AI 设计评测基础设施。
- 验证状态
- 尚属声明 · E3 · 可检查工件 · 有形式化工件
- 最后审阅
- 2026-09-11
技术细节
- 系统
- frontiermath
- 机构
- epoch-ai
- 数学问题
- research-mathematics
- 方法
- benchmarking, expert-curation
全部来源与工件
- FrontierMath: A benchmark for evaluating advanced mathematical reasoning in AIS1 · 主要研究来源 · 基准 · 访问于 2026-09-10
- FrontierMath benchmark surface工件 · 数据集
验证历史
- 2024-11-08 · 尚属声明 · E2 · 研究记录
Chronicle 依据所引 primary / official source 记录该事件；该状态不表示 Chronicle 已完成独立验证。
- 2026-09-11 · 尚属声明 · E3 · 可检查工件
本轮 corpus 刷新增补了由作者或发布机构维护、可直接检查的公开产物。E3 表示证据已达到可检查 artifact 层级，并不等同于底层科学或数学主张已获得独立验证。
更正
当前没有记录的更正。