待验证50% 置信基准精确时间

GPT-4、Gemini Ultra等大型语言模型在竞赛数学上已能达到接近顶级学生的水平，但在研究级证明上仍频繁出错

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/19

首次发现

有效期至：2026/10/17

来源

陶哲轩：AI十年内将接管数学家大量工作，但这不是数学的核心

相关事实

已验证2023年至2024年间，GPT-4、Claude 3、Gemini Ultra等主流大语言模型在基准测试上的差距持续收窄，在多数通用任务上已难分伯仲82% 相似已验证GPT-4、Claude 3.5 Sonnet、Gemini 1.5 Pro等新一代大语言模型在HumanEval、SWE-bench等代码能力基准测试上的得分已大幅超越此前版本80% 相似已验证GPT-4、Claude、Gemini等代表性大语言模型参数量通常在千亿级别以上76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/565060

API

curl https://kongchang.com/api/v1/knowledge/claims/565060

MCP

get_claim(id=565060)