测试还规定，力测炉部分段落甚至逐句照搬论文原文、试结研究人员向4款AI系统提出10道科研级数学难题，果出大型科技企业中仅有OpenAI携GPT 5.5专业版参赛。人类美国普林斯顿大学，最严多款模型借鉴了前人同类题目的苛数科学解法，美国卡内基·梅隆大学的学能新闻Jeremy Avigad评价道：“主办方显然经过了周密考量，测试结果于6月10日揭晓——参赛的力测炉AI模型的解题水平仍不及顶尖数学家。
苏黎世联邦理工学院团队的试结模型表现最佳。转载请联系授权。果出流程也更系统化。人类科学新闻杂志”的最严所有作品，旨在评估AI解决复杂数学难题的能力。参赛模型必须为对外公开版本。因此美国谷歌公司专为解数学题打造的Aletheia无缘参赛。部分难题缘于AI始终想不到人类解题时用到的某个关键且巧妙的思路，所有题目从未出现在模型训练数据中、
测试的一大创新在于，头条号等新媒体平台，第三名是OpenAI团队，即便明确要求模型核对参考资料，苏黎世联邦理工学院团队还初步分析了全员未解出的4道题目。第四名是普林斯顿大学团队。网站转载，
“首轮求证”项目组成员、
令Williams意外的是，其余3支参赛队伍均来自高校，这也是大语言模型的通病。所有AI作答在文献引用方面都“严重缺失”。对聊天生成预训练转换器的答案进行审核、以及瑞士苏黎世联邦理工学院。
据《自然》报道，再由相关数学领域的匿名专家评审团对作答结果进行打分。
这次测试首次同时满足三大核心标准：题目均为前沿科研级数学问题、但测试结果并未得到项目组官方核验，优化，却全程没有标注文献来源。我认为它们只是在研究方向、所有题目从未出现在任何公开文献或互联网平台上，证明思路上和以往公开文献中的内容差距较大。最终10题答对6题。也无法确认AI是否得到过人类协助。从根源上避免AI直接复述训练阶段学到的现有内容。美国哈佛大学的Lauren Williams认为：“目前无法断定未解出的题目一定是难度更高的题目。模型整体解题方向无误，
此外，分别是美国加州大学洛杉矶分校、团队成员Johannes Schmitt表示，邮箱：shouquan@stimes.cn。无法补齐最后一环；针对部分题目，这项测试隶属于“首轮求证”项目，”
这次测试中，却没能把所有细节推导完整。10名来自不同数学细分领域的研究人员，各大推理模型依旧频繁出现幻觉问题，沿用专业符号与术语，
| 最严苛数学能力测试结果出炉：AI不如人类 |
人工智能（AI）迎来了迄今最严苛的数学能力测试。 版权声明：凡本网注明“来源：中国科学报、由专业数学家进行正式评阅。请在正文上方注明来源和作者，第二名是加州大学洛杉矶分校团队，本次测试的管控更严格、该模型结合三大主流聊天机器人组成“顾问评审组”，
图片来源：vitacopS
“首轮求证”项目曾在2月开展过一轮预测试，科学网、
如今这批测试题目已对外公开，