bingdadaOpenAI 发布 FrontierScience 基准测试，评估 AI 在物理、化学和生物领域的专家级科学推理能力。GPT-5.2 在奥林匹克轨道得分 77%，研究轨道得分 25%，展示了 AI 加速科学研究的潜力与局限。
2025年12月16日，OpenAI 发布了一项名为 FrontierScience 的全新基准测试，旨在评估 AI 在物理学、化学和生物学等领域的专家级科学推理能力。这一举措标志着 AI 从简单的知识回忆向深度推理的跨越，为加速科学发现提供了新的可能性。
推理是科学工作的核心。科学家不仅要回忆事实，还需生成假设、测试并完善它们，以及跨领域综合思想。随着 AI 模型能力的提升，核心问题在于它们如何深度推理以贡献于科学研究。过去一年，OpenAI 的模型已在国际数学奥林匹克（IMO）和国际信息学奥林匹克（IOI）中获得金牌，而 GPT-5 等更强大的模型正显著加速实际科研工作流程。研究人员利用这些系统进行跨学科文献搜索、复杂数学证明等任务，将原本需要数天或数周的工作缩短至数小时。
加速科学进步是 AI 造福人类最具前景的机会之一。OpenAI 正在改进模型在数学和科学任务上的表现，并开发工具帮助科学家充分利用这些能力。
2023年11月，当 GPQA（一种由博士专家编写的“防谷歌”科学基准）发布时，GPT-4 的得分为 39%，低于专家基线 70%。两年后，GPT-5.2 的得分达到 92%。随着模型推理和知识能力的持续扩展，需要更难的基准来评估和预测模型加速科学研究的能力。现有科学基准大多基于选择题、已饱和或未聚焦于科学。
为弥补这一差距，OpenAI 推出了 FrontierScience：一个由物理学、化学和生物学专家编写和验证的新基准，包含数百道旨在难度高、原创且有意义的问题。FrontierScience 包含两个轨道：
在初步评估中，GPT-5.2 在 FrontierScience-Olympiad 上得分 77%，在研究轨道上得分 25%，领先于其他前沿模型。这表明模型在解决专家级问题方面取得了实质性进展，但在开放式研究任务上仍有提升空间。
FrontierScience 基准涵盖超过 700 道文本问题（其中 160 道为黄金集），覆盖物理学、化学和生物学的子领域。
化学问题示例：
B1 与溴水反应生成 B2。B2 与亚硝酸钾反应生成 B3。B3 在硝酸和硫酸中硝化生成 B4。 B1 含有一个单取代的芳香五元杂环，摩尔质量为 96.08 g/mol，可通过酸催化下五碳糖（如木糖）脱水制得。 B2 的分子式为 C4H2Br2O3，含有一个四取代烯烃，其中两个溴取代基为顺式。 B3 是一种二钾盐，摩尔质量为 269.27 g/mol，含一个氢原子。 B4 是一种非手性假卤素二聚体，含两个碳原子，无氢原子，摩尔质量为...
FrontierScience 的评估结果与科学家当前使用 AI 的方式一致：加速研究流程，同时依赖人类判断进行问题框架和验证；越来越多地用于探索想法和联系，这些原本需要更长时间才能发现，甚至在某些情况下贡献出专家随后评估和测试的新见解。
最终，衡量 AI 科学能力最重要的基准是它帮助产生的新发现。FrontierScience 位于这一目标的上游，为专家级科学推理提供了北极星，使模型能在标准化问题上测试，识别成功与失败，并确定改进方向。尽管 FrontierScience 存在局限性（例如专注于受限的专家编写问题），但它为科学基准的进步迈出了重要一步。
FrontierScience 的发布不仅是技术评估工具，更是对 AI 在科学研究中角色的一次深刻反思。它展示了 AI 在结构化推理上的潜力，同时也强调了开放式思考能力的不足。随着 OpenAI 持续优化模型，科学家将能更高效地利用 AI 加速发现，而人类创造力与判断力仍将是科学进步的核心。
关键词：OpenAI News、FrontierScience、AI 科学研究、科学推理基准、GPT-5.2
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
OpenAI销售团队规模一年增长三倍，通过构建GTM Assistant智能助手，将顶尖销售经验系统化，实现销售生产力提升20%，让销售代表每周多出一天时间专注于客户关系。
OpenAI 正式发布 AI 视频生成模型 Sora，通过水印溯源、肖像权控制、青少年保护、内容过滤等多维安全策略，在推动视频创作创新的同时，构建了负责任的 AI 应用框架。
OpenAI 发布 Sora 2，视频生成模型迎来 GPT-3.5 时刻。新模型在物理准确性、可控性上大幅提升，支持同步音效和对话，并推出基于‘角色’功能的社交 iOS 应用。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
