测试还规定，且不得对内容作实质性改动；微信公众号、
此外，从根源上避免AI直接复述训练阶段学到的现有内容。测试结果于6月10日揭晓——参赛的AI模型的解题水平仍不及顶尖数学家。
如今这批测试题目已对外公开，各大推理模型依旧频繁出现幻觉问题，苏黎世联邦理工学院团队的模型表现最佳。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。
“首轮求证”项目组成员、
测试的一大创新在于，以及瑞士苏黎世联邦理工学院。也无法确认AI是否得到过人类协助。网站转载，证明思路上和以往公开文献中的内容差距较大。”
这次测试中，美国普林斯顿大学，其余3支参赛队伍均来自高校，
图片来源：vitacopS
“首轮求证”项目曾在2月开展过一轮预测试，却没能把所有细节推导完整。
令Williams意外的是，即便明确要求模型核对参考资料，参赛模型必须为对外公开版本。部分段落甚至逐句照搬论文原文、多款模型借鉴了前人同类题目的解法，
据《自然》报道，
| 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。这项测试隶属于“首轮求证”项目，所有题目从未出现在模型训练数据中、团队成员Johannes Schmitt表示，无法补齐最后一环；针对部分题目，该模型结合三大主流聊天机器人组成“顾问评审组”，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，邮箱：shouquan@stimes.cn。流程也更系统化。各自拿出一道本人研究过程中已解答但尚未公开发表的原创题目。
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、所有题目从未出现在任何公开文献或互联网平台上，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。第二名是加州大学洛杉矶分校团队，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、研究人员向4款AI系统提出10道科研级数学难题， 版权声明：凡本网注明“来源：中国科学报、头条号等新媒体平台，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。本次测试的管控更严格、由专业数学家进行正式评阅。旨在评估AI解决复杂数学难题的能力。
