OpenAI首次提交数学证明：AI在科研级推理领域取得重大突破

这一挑战由顶尖数学专家设计，旨在测试AI系统能否生成可验证的、针对特定领域问题的完整证明。与传统的选择题或竞赛数学不同，First Proof要求AI构建端到端的逻辑论证，且正确性需经专家严格审查。此次提交标志着AI在科研级推理能力上的重要进展，也是OpenAI News中备受关注的焦点事件。

核心成果：五个证明尝试获高正确性评估

OpenAI在2026年2月14日（太平洋时间）提交了所有10个First Proof问题的证明尝试。基于专家反馈，团队认为至少五个证明尝试（问题4、5、6、9、10）有很高概率正确，其余仍在审查中。值得注意的是，问题2的初步判断已被修正：根据官方评论和社区分析，该尝试被认定为不正确。OpenAI对社区的参与表示感谢，并期待持续审查。 所有证明尝试已公开，包含十个问题的完整论证以及新增的附录，其中总结了提示模式和交互示例，旨在模拟人工与模型协作的过程。

为什么First Proof至关重要？

OpenAI认为，前沿研究是评估下一代AI能力的最重要方式。传统基准测试可能遗漏科研中最困难的部分：维持长链推理、选择正确的抽象、处理问题陈述中的歧义，以及生成经得起专家推敲的论证。First Proof这类挑战在正确性难以验证、失败模式具有信息价值的场景中，提供了压力测试。 OpenAI研究员James R. Lee（推理方向）表示：“我们正在训练一个新模型，其核心目标是提升推理的严谨性，使其能连续思考数小时并保持高置信度。First Proof发布时，我们觉得这是完美的测试平台。周末尝试后，模型已解决两个问题（#9和#10）。随着训练推进，它能力持续增强，最终至少解决了三个以上。看到模型一天天变得更聪明，令人难以置信。”

方法论：有限人工监督下的迭代优化

在提交过程中，OpenAI采用了有限的人工监督。在训练过程中，当提示模型时，团队有时会建议重试在早期尝试中证明有效的策略。对于某些问题，在收到专家反馈后，团队要求模型扩展或澄清证明的某些部分，以便更容易验证推理。此外，团队还促进了该模型与ChatGPT之间的交互，用于验证、格式化和风格调整。对于部分问题，团队通过人工判断选择了若干尝试中最佳的一个。 OpenAI承认，这是一次快速冲刺，过程并非如理想控制实验般完美。团队期待与First Proof组织者就未来迭代中更严格的实验和评估框架进行讨论。

背景：从IMO金牌到物理前沿

这项工作建立在先前推理模型在数学和科学领域成果的基础上。2025年7月，OpenAI的通用推理模型在国际数学奥林匹克竞赛（IMO）中达到金牌水平（35/42分）。2025年11月，OpenAI发布了“早期加速科学实验：GPT-5”，展示了GPT-5在数学、物理、生物学等领域帮助研究者取得具体进展的案例，同时指出了观察到的局限性。最近，OpenAI报告了一项物理合作成果：GPT-5.2提出了一个胶子振幅公式的候选表达式，随后由内部模型正式证明并得到作者验证。

未来展望：社区协作与能力开放

OpenAI期待与社区更深入合作，共同评估研究级推理能力，包括对这些尝试的专家反馈。同时，团队兴奋地宣布，这些新能力将在未来的公开模型中提供。

结论

First Proof提交是AI推理能力的一次重要验证。它不仅展示了AI在科研级问题上的潜力，也暴露了当前方法的局限性。OpenAI将继续推动模型在严谨性、长链推理和专家级验证方面的进步，为未来的科学研究提供更强工具。

相关阅读

• 如何通过启用两个设置将ARC-AGI-3基准测试分数提升三倍（2026年7月29日）

• 利用ChatGPT加速学术研究者的科学发现（2026年7月29日）

• 智能体AI时代的科学计算（2026年7月28日）

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。 编辑团队：内容策划 · 技术编辑 · AI 研究组 网站：bingdada.com © 2026 Bingdada. 保留所有权利。