FrontierMath
Epoch AI构建的高难度数学基准测试，题目由职业数学家出题，涵盖数论、代数几何、组合数学等研究级领域，分为Tier 1-4难度层级，专为评估大语言模型的研究级数学推理能力而设计
时间轴 (近 90 天)
若 FrontierMath 区分度下降，可能会引入需要形式化证明验证（如对接 Lean/Coq 定理证明器）的新一代基准
Reddit 上一则帖子称模型 GPT-6.1 Sol (max) 在 FrontierMath Tier 4 基准测试中取得了 100% 的得分
Epoch AI 在发布 FrontierMath 时指出其题目难度对应博士级数学研究生或专业研究人员才能应对的场景
FrontierMath 的 Tier 4 代表该基准中难度最高的一档，通常涉及跨领域知识整合与多轮非平凡推导
该结果链接指向的页面标注了 tier-4-v2 的版本信息，说明基准本身存在迭代，跨版本直接比较得分并不严谨
FrontierMath 采取不公开题目、仅对模型提交方授权访问等保密措施以降低数据污染风险
FrontierMath是由职业数学家设计的未发表竞赛题基准测试
GPT-6 Astra爆料声称在FrontierMath Tier 4取得98%的得分
FrontierMath是一个专为衡量AI高等数学推理能力设计的基准测试
当前最先进的模型在FrontierMath最高难度层级上的表现通常只有个位数到两位数的百分比
还有 2 条时间轴事件
全部知识事实 (10)
FrontierMath 采取不公开题目、仅对模型提交方授权访问等保密措施以降低数据污染风险
50%待验证Epoch AI 在发布 FrontierMath 时指出其题目难度对应博士级数学研究生或专业研究人员才能应对的场景
50%待验证FrontierMath 的 Tier 4 代表该基准中难度最高的一档，通常涉及跨领域知识整合与多轮非平凡推导
50%待验证该结果链接指向的页面标注了 tier-4-v2 的版本信息，说明基准本身存在迭代，跨版本直接比较得分并不严谨
50%待验证FrontierMath是由职业数学家设计的未发表竞赛题基准测试
50%待验证FrontierMath是一个专为衡量AI高等数学推理能力设计的基准测试
50%待验证当前最先进的模型在FrontierMath最高难度层级上的表现通常只有个位数到两位数的百分比
50%待验证FrontierMath是由陶哲轩等数学家参与设计的前沿数学题库
50%待验证FrontierMath、ARC Prize等新一代评测尝试使用全新的、未公开的难题来检验模型的真实推理能力
50%待验证若 FrontierMath 区分度下降，可能会引入需要形式化证明验证（如对接 Lean/Coq 定理证明器）的新一代基准
50%