核心事件：全新数学基准发布，AI首次触及研究级难题
Epoch AI于2026年9月正式发布FrontierMath评测计划，这是一个专为测试人工智能在前沿数学研究领域能力而设计的基准系统。该计划包含三个核心组成部分：FrontierMath Tiers 1-4、Open Problems开放问题集，以及FrontierMath Erdős难题集。据报告，OpenAI的GPT-6 Astra模型已在Tier 4级别取得突破性进展，成为首个在数学研究级难题中实现可验证解答的AI系统。
关键事实要点：
- 评测基准：FrontierMath由数百道未公开的高难度数学问题组成
- Tiers 1-3：覆盖本科生至进阶研究生水平
- Tier 4：明确界定为研究级数学问题
- 形式化验证：FrontierMath Erdős问题使用Leanproof language编写，要求AI输出完整可验证的证明或反例
- 评测机制：Open Problems集合支持计算化验证，无需人工评审证明过程
基准设计与难度分层
FrontierMath的结构设计体现了mathematical research的层级特性。Tiers 1-3旨在测试AI对经典数学理论框架的理解与应用能力，涵盖从本科数学课程到适合博士生探索的过渡性课题。而Tier 4则聚焦于当前数学界前沿的开放性研究问题，其难度显著超越常规教育体系所覆盖范围。
特别值得注意的是，FrontierMath Erdős问题集以著名数学家保罗·厄多斯命名，截至2026年8月仍保持开放状态。该集合经过严格筛选，仅保留“特别有趣且困难”的问题，且所有题目均已形式化为Lean语言。这意味着AI必须生成完整的Lean代码证明（或反例），而非仅输出自然语言推理过程——这种设计大幅提升了评估的客观性和可复现性。
一个关键的意外数据在于：尽管许多高级数学模型在常规数学测试中表现优异，但FrontierMath明确使用"unpublished"（未发表）题目，确保问题无法通过训练数据污染获得先验优势。这使得GPT-6 Astra在Tier 4的成功，并非源于数据泄露，而是真正的推理能力跃升。
相关方反应与学术界动态
报道提及，25位菲尔兹奖得主已就此事联名抗议OpenAI。菲尔兹奖作为数学界最高荣誉，其得主的集体关注印证了该事件的分量。抗议的具体诉求虽未在源材料中展开，但逻辑上可推断涉及对AI在数学证明领域快速发展的方向性担忧。
值得强调的是，FrontierMath作为独立第三方评测机构（Epoch AI）开发的基准，并非OpenAI主导。这种第三方视角增强了评测结果的公信力，也使GPT-6 Astra的成绩更具客观参考价值。
评测体系对比（基于公开信息）
| 组件 | 问题来源 | 难度定位 | 验证方式 | 特点 |
|---|---|---|---|---|
| FrontierMath Tiers 1-3 | 数学家原创未发表题 | 本科至研究生过渡 | — | 覆盖广泛数学分支 |
| FrontierMath Tier 4 | 数学家原创未发表题 | 研究级数学 | — | 当前AI能力极限测试 |
| Open Problems | 重要开放研究问题 | 研究级 | 计算化验证 | 支持自动化评判 |
| FrontierMath Erdős | 厄多斯提出/研究问题 | 顶尖困难度 | Lean形式化证明 | 要求完整可执行证明 |
落地建议
对于研究者：建议关注FrontierMath Open Problems集合的开放数据集，其计算化验证机制适合快速迭代模型改进。
对于AI开发者：若目标是构建高级数学推理能力系统，应优先采用形式化验证框架（如Lean环境）训练与评估，而非依赖传统数学测试。
写在最后
FrontierMath的发布标志着AI数学能力评测从教育层级正式进入研究前沿，其第三方独立性为行业提供了可信赖的标尺。当AI开始系统性解决人类仍在探索的数学难题时，人机协作的边界正在被重新定义。