bingdadaOpenAI在First Proof数学挑战中提交了10个证明尝试，其中至少5个被专家评估为高概率正确。这一成果展示了AI在科研级推理上的突破，包括长链推理、抽象选择和专家验证能力，为未来公开模型奠定了基础。
2026年2月20日，OpenAI发布了其在“First Proof”数学挑战中的初步成果。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。
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。
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。”
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。
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。
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。
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。
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。
