网易首页 > 网易号 > 正文 申请入驻

谷歌Gemini 3杀疯了!陶哲轩亲测:10分钟干翻百年数学难题

0
分享至

  新智元报道

  编辑:犀牛

  【新智元导读】Gemini 3一日霸榜数学、物理两个顶级基准测试!与此同时,陶哲轩用Gemini DeepThink十分钟便搞定了一道埃尔德什难题。

  继续领跑!

  Gemini 3本周一发布,便开启了横扫各大基准测试之旅,频繁登上各种排行榜的榜首。

  用现实证明了自己就是目前最强模型!

  这不,就在昨天,知名研究机构Epoch AI再添一力证——

  Gemini 3 Pro在FrontierMath基准测试中创下新纪录:Tier 1-3准确率达 38%,Tier 4达19%。

  在综合多项基准测试的Epoch能力指数(ECI)中,Gemini 3 Pro获得154分,超越了GPT-5.1此前保持的151分的最高纪录。

  FrontierMath是由Epoch AI联合众多职业数学家打造的一个高级数学基准。

  它由数百道原创、从未公开的难题构成,被设计成一块专门测量AI高阶数学推理能力的「试金石」。

  这些题目几乎覆盖现代数学的主要分支:从需要大量计算的数论、实分析,到高度抽象的代数几何、范畴论。

  普通一道题就足以让相关领域的研究者思考数小时甚至数天。

  这些题目大概长这样,大家可以感受一下。

  完整数据集包含350道题:其中300题构成Tiers 1–3,难度大致对应从高年级本科到初级研究生水平。

  另外50题被归入极端困难的Tier 4,接近乃至达到数学的前沿研究问题。

  为便于社区实验,FrontierMath只开放了少量公开子集,其余题目则严格保密,用于评测。

  在评测时,模型必须为每道题提交一个Python函数answer(),返回整数(通常)或SymPy等Python对象,由系统自动运行与校验。

  这一设计既允许模型调用代码深度推理,又用程序化判分确保结果客观可重复,使FrontierMath成为当前衡量AI数学前沿能力最严苛、也最具说服力的基准之一。

  截至目前,FrontierMath排行榜上的领先模型,都是由Gemini和GPT系列占据。

  从「跑分最强」到「实战破题」

  虽说Gemini 3确实很强,但只是一味的霸榜基准测试,还是差点意思。

  至少,缺少点说服力。

  还好,Gemini 3很快就在实战中证明了自己。

  就在昨天,数学大神陶哲轩发帖表示,他用Gemini Deepthink模式十分钟,便解决了埃尔德什问题的关键证明!

  为了更清楚地说明这个过程,我们先来简单了解一下埃尔德什问题。

  简单说就是把每个整数拆成积木,凡是只出现1次的积木丢掉,只留下能成对出现、能拼成平方的那一部分,叫B₂(n)。

  比如12=2×2×3,只留2×2,所以B₂(12)=4。

  现在看一小段连续整数n,n+1,…,n+k-1,对每个数算出B₂,再把这些B₂全部相乘。

  埃尔德什问题的问题是:不管这段连续整数多长,这个乘积是不是都不会比n²增长得更快?

  也就是说:整数里「平方因子扎堆」的程度,天花板究竟在哪里?

  为了更方便理解,我用最近最火的Nano Banana Pro画了张信息图。

  大家看看怎么样?

  言归正传。关于这个问题,陶哲轩在帖子中给出了一条时间线。

  11月20号,Wouter van Doorn用AI提出了该问题第二部分的反证,他的论证基于一个还未被证明的同余恒等式。

  几个小时后,陶哲轩将这个不等式交给了Gemini Deepthink。

  只用了大概十分钟,Gemini Deepthink便解决了这个证明。

  太夸张了!

  陶哲轩还附上了整个的论证过程。

  论证地址: https://gemini.google.com/share/81a65aecfd70

  看来这种问题对于Gemini 3还真算不上什么。

  随后,陶哲轩手动把证明转化为了一个更加基础的版本,花费了他半个小时的时间。

  两天后,Boris Alexeev最终完成了这个证明的Lean形式化,耗时2、3个小时。

  陶哲轩用Gemini 3来研究埃尔德什难题,厉害之处不只是「AI 超会算」。

  更重要的是:世界顶级数学家,真的把大模型当成工作伙伴了。

  以后做数学,不再只是一个人苦苦推导。

  而是把枯燥的枚举、尝试、检验丢给AI,人类集中精力抓核心思路、做关键判断。

  谁先学会和这类工具高效协作,谁就等于多了一个「超级合作者」。

  数学之外的物理「试金石」

  在登顶数学基准测试的同时,Gemini也霸榜了一项最新的物理基准测试——CritPt。

  CritPt的诞生基于研究者们开始追问一个问题:大模型真的能像物理学家那样,完整推进一场前沿研究吗?

  其全称为 「Complex Research using Integrated Thinking – Physics Test」,要测的,正是 AI 从「像样回答」跨越到「真正推理」的那道临界线。

  目前已在Artificial Analysis平台上线。

  与以往基于教科书或公开题库的物理题库不同,CritPt是首个专门面向「未公开、真研究级」物理问题的大模型基准。

  它由来自阿贡国家实验室、伊利诺伊大学厄巴纳-香槟分校等三十多家机构的五十余位活跃物理学者共同打造,涵盖凝聚态、量子、原子分子与光学、天体物理、高能物理等现代物理的十一大分支。

  每道题目都像是交给一名优秀物理学博士新生的一次独立小课题:需要建模、推导、近似与跨领域联想,却又保证答案可机读、可自动严格判分。

  CritPt测试的挑战示例如下图所示。

  不出意外,Gemini 3 Pro再次霸榜该项物理研究测试。

  同样的,GPT-5.1紧随其后。

  看来,这两模型还真是代表了当前最前沿的模型水平。

  不过,虽然登顶了CritPt,Gemini 3 Pro的成绩也才有9.1%,与满分表现还有些距离。

  参考资料:

  https://x.com/EpochAIResearch/status/1991945942174761050

  https://x.com/ArtificialAnlys/status/1991913465968222555?s=20

  https://x.com/kimmonismus/status/1991968861747339508?s=20

  https://mathstodon.xyz/@tao/115591487350860999

  https://mathstodon.xyz/@tao/115585571504291318

  https://www.kaggle.com/competitions/ai-mathematical-olympiad-progress-prize-3/overview

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
15场常规赛打完,突然发现,火箭输球有个规律

15场常规赛打完,突然发现,火箭输球有个规律

球毛鬼胎
2026-11-17 18:49:30
特斯拉即将推出 2026 年度大更新,重磅新功能来了!

特斯拉即将推出 2026 年度大更新,重磅新功能来了!

XCiOS俱乐部
2026-11-17 20:45:14
若非卢璐发长文,没人知道,刘欢有6位生死之交,个个可托付后事

若非卢璐发长文,没人知道,刘欢有6位生死之交,个个可托付后事

东方不败然多多
2026-11-17 17:05:52
别只盯着中俄美开会,APEC场外的车队,才是中国打出的一张“王炸”

别只盯着中俄美开会,APEC场外的车队,才是中国打出的一张“王炸”

听风看局
2026-11-17 17:09:05
监控画面曝光!莫桑比克一中国人经营的超市遭4名持枪男子抢劫,两名保安被逼跪地

监控画面曝光!莫桑比克一中国人经营的超市遭4名持枪男子抢劫,两名保安被逼跪地

扬子晚报
2026-11-16 12:06:10
连续两天遭重击,227米公路桥拱砸进航道!刻赤大桥这次的损失有多惨重?

连续两天遭重击,227米公路桥拱砸进航道!刻赤大桥这次的损失有多惨重?

战刃
2026-11-17 19:42:11
耻辱10连败,从总冠军跌落神坛!9换2交易不值得,你们很难崛起了

耻辱10连败,从总冠军跌落神坛!9换2交易不值得,你们很难崛起了

篮球扫地僧
2026-11-17 18:41:12
全盘推翻!蔡天凤案前公公首次自辩,父子多套说辞,声音洪亮自信

全盘推翻!蔡天凤案前公公首次自辩,父子多套说辞,声音洪亮自信

爱下厨的阿酾
2026-11-18 06:27:46
渣叔慧眼识珠!上任6场提拔3大新人 悉数坐稳德国主力

渣叔慧眼识珠!上任6场提拔3大新人 悉数坐稳德国主力

球事百科吖
2026-11-18 06:35:06
终于明白为啥年轻人说最近的就业环境有点可怕了!评论区一针见血

终于明白为啥年轻人说最近的就业环境有点可怕了!评论区一针见血

另子维爱读史
2026-11-16 21:52:15
中方两小时“送客令”:高市早苗不收回那句话,日本连装糊涂的资格都没有

中方两小时“送客令”:高市早苗不收回那句话,日本连装糊涂的资格都没有

浯江孤舟
2026-08-31 10:07:56
无比怀念邓小平!

无比怀念邓小平!

梳子姐
2026-11-17 16:32:33
《持械入宋》十一季之后,我有一些心慌,十二季还能播出吗?

《持械入宋》十一季之后,我有一些心慌,十二季还能播出吗?

姜糖先生
2026-11-17 20:18:42
印专家:全球平衡已被我们彻底颠覆,中国和西方都对印度感到恐慌

印专家:全球平衡已被我们彻底颠覆,中国和西方都对印度感到恐慌

黄大姐
2026-11-16 23:03:33
台北101点灯,力挺黄仁勋

台北101点灯,力挺黄仁勋

芯智讯
2026-11-17 12:23:23
疑似用虾滑充当肿瘤?中南大学湘雅二医院被爆出史诗级全AI论文

疑似用虾滑充当肿瘤?中南大学湘雅二医院被爆出史诗级全AI论文

西虹市闲话
2026-11-16 18:42:42
3年1亿合同!开拓者3换1送出罗威、亨德森、首轮追戈登!杨瀚森意外成了最大变数

3年1亿合同!开拓者3换1送出罗威、亨德森、首轮追戈登!杨瀚森意外成了最大变数

锐评利物浦
2026-11-17 09:35:36
罗伯特·帕丁森出演007,为什么亨利·卡维尔首轮就被淘汰?

罗伯特·帕丁森出演007,为什么亨利·卡维尔首轮就被淘汰?

光影新天地
2026-11-17 15:55:41
曝勇士或交易追梦巴特勒!负资产需搭首轮?勇媒盼5换4卡特+比塔泽

曝勇士或交易追梦巴特勒!负资产需搭首轮?勇媒盼5换4卡特+比塔泽

颜小白的篮球梦
2026-11-18 05:41:01
特朗普启程参加深圳APEC峰会 |现场画面

特朗普启程参加深圳APEC峰会 |现场画面

凤凰卫视
2026-11-17 08:38:05
2026-11-18 08:36:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16707文章数 67239关注度
往期回顾 全部

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

牛弹琴:黄仁勋事件三个新进展 美国政府突然回过味来

头条要闻

牛弹琴:黄仁勋事件三个新进展 美国政府突然回过味来

体育要闻

东契奇心仪之人 三年后拿着底薪站到他身旁

娱乐要闻

刘欢有6位生死之交,个个可托付后事

财经要闻

英伟达电话会:“不打算请回黄仁勋”

汽车要闻

奕境X9纯电版信息曝光 将于11月27日广州车展上市

态度原创

家居
手机
亲子
本地
公开课

家居要闻

2026建博会(广州) 公装联探展交流活动

手机要闻

iPhone Duo开售三周后,苹果Apple Store完成适配

亲子要闻

儿童体重管理该避开哪些误区|可评

本地新闻

乌兰察布:以前种土豆,现在种Token

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版