我要认证
2026-03-18
最近牛津联合哈佛、普林斯顿等高校的团队发布了一项重磅研究，直接给AI数学发现能力立了全新标尺，推出的HorizonMath基准不仅聚焦上百道人类未解决的数学难题，还搭建了全自动验证框架。
更让人惊喜的是，实测中GPT-5.4Pro在两道经典数学难题上给出了优于现有公开结果的解法，创下两项新纪录。
首次让AI在数学研究的无人区实现了实质性突破，比人类专家解题效率更高。
开源地址：https://github.com/ewang26/HorizonMath
其实近些年大模型的数学解题能力早已突飞猛进，GSM8K、MATH这类经典基准，前沿模型早就刷到近乎满分，就连IMO奥数题、普特南竞赛题这类高难度考题，大模型也能交出不错答卷。
但核心问题在于，这些题目都有标准答案，模型做对只是复刻已有思路，根本无法衡量其自主数学发现能力。
而研究人员开源的HorizonMath正是看准了这一痛点，设计的测试题也更加专业，能测试出AI的真实水准。
整个基准包含101道以未解决为主的数学题，覆盖数论、格模型、离散几何、连续物理等8大领域，所有题目均来自专业数学研究文献，保证科研价值。
团队还将题目分为4个难度等级：Level0为校准用的已解决题，占10%；Level1为现有技术大概率能解决的题，占23%；
Level2为需要方法论突破的难题，占59%；Level3为大概率暂时无解的题，占8%，科学的分级能清晰观测AI在不同难度的表现。
比较硬核的是，HorizonMath从根源上杜绝了数据污染，这些未解决的难题没有标准答案出现在任何公开数据中，模型无法提前背题，能给出正确解法必然是依靠自身推理能力。
同时，所有问题均要求模型给出数字、多项式等具体数学对象作为答案，而非自然语言证明。
还对闭式解做了严格要求，禁止未计算积分、无穷级数等投机性表达，只为适配自动化验证。
为了验证HorizonMath的实用性，团队用GPT-5.4 Pro、Gemini-3.1 Pro、ClaudeOpus 4.6三款前沿模型做了实测，结果反差极大。
在101道题中，人类基线仅能解决10道校准题，ClaudeOpus 4.6和Gemini-3.1Pro解题率为0，甚至在未解决问题上连合规性检查都未通过，而GPT-5.4 Pro解题率达3%。
GPT-5.4 Pro不仅搞定5道Level0校准题，还在2道Level1未解决优化题上实现突破，创下两项新纪录。
即便测试中GPT-5.4 Pro遇到13道题的API错误，其表现仍远超其他模型。
咱们来仔细唠唠AI到底解决了哪两道难题：第一个问题是关于“对角线拉姆齐数”的。
这名字听着就头大，其实你把它理解成组合数学里的一个超级难题就行。以前数学家们通过复杂的计算，找到了一个关于这个数的上限常数，大概是3.7992左右。
这个数字哪怕只降低0.0001，对数学界来说都是巨大的胜利。结果GPT-5.4 Pro愣是找到了一种新的数学构造方法，硬生生把这个常数压到了大约3.6961。
这意味着什么？意味着在某个极其复杂的数学领域，AI给出的边界比人类已知最好的边界还要紧致、精确。
这是实打实的科研贡献。AI在这个问题里用了一个更复杂的五次多项式来进行修正，比以前的三次、四次多项式都要高级，而且所有的约束条件都经过了严格的验证。
这就像是大家在用算盘算账的时候，AI突然掏出了个Excel表格，算出了更优的方案。
第二个问题更有意思，是关于Kakeya针集的，这可是几何分析里的经典问题。
想象一下，你要把一堆不同角度的细长三角形拼在一起，既要保证它们覆盖了所有的方向，又要让它们的总面积尽可能小。这就像是拼图游戏的地狱难度版本。
AlphaEvolve之前给出的最佳面积是0.11481左右。而在这次实验中，GPT-5.4 Pro给出的方案把面积缩小到了0.10915。这一下子就把纪录提升了大约5%。
为了做到这一点，AI编写了一段极其复杂的代码，它不仅仅是简单的计算，而是设计了一套策略：先构造一个Haar风格的基底，然后利用迭代下降法。
在数千个网格点上反复调整截距参数，最终找到了那个比人类更优的拼接方式。这不仅仅是计算能力的体现，更是一种策略性的智能。
HorizonMath测试结果给我的感觉，就像是那个在沙滩上捡贝壳的孩子，虽然现在捡到的只是一两枚普通的贝壳，但他已经开始向着大海深处迈进了。
对于数学这门古老而纯粹的科学来说，AI还是个新兵蛋子，它也许还会犯很多低级错误，也许会在复杂的逻辑里晕头转向。
但那两个被改写的最优常数，那两个比人类纪录更优的几何构造，都在无声地告诉我们，AI不再仅仅是做题家，已经开始学会探索未知的边界了。
想系统掌握AI核心技能、获取行业认可资质？
CAIE注册人工智能工程师认证
助你拓宽职业赛道，成为AI领域持证实力派
企业、高校及渠道合作
请联系微信：FYLlaoshi
完 谢谢观看
