OpenAI o3 碾压式 AI 数学成绩遭质疑：既当选手又是裁判

IT之家 1 月 20 日消息，科技媒体 TechCrunch 昨日（1 月 19 日）发布博文，报道称 Epoch AI 因未及时披露 OpenAI 的资助而引发争议，其开发的数学基准测试 FrontierMath 的客观性受到质疑。

IT之家简要介绍下 Epoch AI 组织，是主要由 Open Philanthropy 资助的非营利组织。该组织推出了 FrontierMath 基准测试，通过整合专家级数学问题，衡量和测试 AI 模型的数学能力。

OpenAI 的 o3 模型在 EpochAI 的 FrontierMath 基准测试中，以碾压式优势傲视其它模型，准确率高达 25%，而其他模型得分在 2% 左右。

Epoch AI 的一位承包商“Meemi”在 LessWrong 论坛上发帖称，许多 FrontierMath 的贡献者直到公开宣布时才知道 OpenAI 参与了该基准搭建。

Meemi 写道：“沟通完全不透明。我认为 Epoch AI 应该披露 OpenAI 的资助，承包商在选择是否参与基准测试工作时，应该获得关于其工作成果可能被用于能力提升的透明信息。”

六位参与 FrontierMath 基准测试设计的数学家表示，他们并不知道 OpenAI 拥有独家访问权限。如果事先知道，他们可能不会参与。

一些社交媒体用户担心，这种保密行为可能会损害 FrontierMath 作为客观基准的声誉。除了资助 FrontierMath 之外，OpenAI 还可以访问该基准测试中的许多问题和解决方案 ——Epoch AI 在 12 月 20 日 o3 发布之前并未透露这一事实。

Epoch AI 副主任兼联合创始人之一 Tamay Besiroglu 在回复 Meemi 的帖子时坚称，FrontierMath 的完整性没有受到损害，但也承认 Epoch AI 在未能更加透明方面“犯了一个错误”。

AI 专家 Gary Marcus 质疑 OpenAI 的声明，将此事件与 Theranos 丑闻相提并论。IT之家注：该丑闻是由伊丽莎白・霍尔姆斯创立的血液检测公司 Theranos 的欺诈事件，该公司声称其技术只需几滴血就能进行数百项检测，但最后谎言被揭穿，公司最终倒闭，霍尔姆斯也被判犯有欺诈罪。

Besiroglu 承认 OpenAI 可以访问 FrontierMath 的大部分问题和答案，但有一个“OpenAI 未见过的保留数据集”用于验证模型的能力。

Besiroglu 写道

我们被限制在 o3 发布前后才能披露合作关系，事后看来，我们应该更努力地争取尽快对基准测试贡献者保持透明。我们的数学家应该知道谁可以访问他们的工作。即使我们在合同上受到限制，我们也应该让与贡献者的透明度成为我们与 OpenAI 协议中不可协商的一部分。