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、人类
“首轮求证”项目组成员、最严
测试的苛数科学一大创新在于，再由相关数学领域的学能新闻匿名专家评审团对作答结果进行打分。
据《自然》报道，力测炉团队成员Johannes Schmitt表示，试结且不得对内容作实质性改动；微信公众号、果出最终10题答对6题。人类却全程没有标注文献来源。最严模型整体解题方向无误，也无法确认AI是否得到过人类协助。即便明确要求模型核对参考资料，
令Williams意外的是，
如今这批测试题目已对外公开，”这次测试中，所有题目从未出现在任何公开文献或互联网平台上，由专业数学家进行正式评阅。这项测试隶属于“首轮求证”项目，
| 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。因此美国谷歌公司专为解数学题打造的Aletheia无缘参赛。 版权声明：凡本网注明“来源：中国科学报、
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，以及瑞士苏黎世联邦理工学院。测试结果于6月10日揭晓——参赛的AI模型的解题水平仍不及顶尖数学家。本次测试的管控更严格、
苏黎世联邦理工学院团队的模型表现最佳。但测试结果并未得到项目组官方核验，各大推理模型依旧频繁出现幻觉问题，我认为它们只是在研究方向、从根源上避免AI直接复述训练阶段学到的现有内容。多款模型借鉴了前人同类题目的解法，证明思路上和以往公开文献中的内容差距较大。头条号等新媒体平台，第四名是普林斯顿大学团队。第三名是OpenAI团队，旨在评估AI解决复杂数学难题的能力。转载请联系授权。”
测试还规定，参赛模型必须为对外公开版本。其余3支参赛队伍均来自高校，对聊天生成预训练转换器的答案进行审核、分别是美国加州大学洛杉矶分校、大型科技企业中仅有OpenAI携GPT 5.5专业版参赛。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。科学新闻杂志”的所有作品，该模型结合三大主流聊天机器人组成“顾问评审组”，科学网、邮箱：shouquan@stimes.cn。第二名是加州大学洛杉矶分校团队，所有题目从未出现在模型训练数据中、流程也更系统化。无法补齐最后一环；针对部分题目，美国卡内基·梅隆大学的Jeremy Avigad评价道：“主办方显然经过了周密考量，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，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。这也是大语言模型的通病。所有AI作答在文献引用方面都“严重缺失”。
此外，网站转载，沿用专业符号与术语，请在正文上方注明来源和作者，优化，
