今天看到新聞，中國隊取得第66屆國際數學奧林匹克競賽（IMO）團體冠軍，六名選手全部獲得金牌。這是過去七年中，中國對第六次奪冠。這已經不是新聞，比較有趣的是好幾名AI“選手”也參加了比賽。計有OpenAI的O3 和O4，谷歌的 Gemini 2.5， 馬斯克的Grok-4，中國的 DeepSeek-R1 等目前的世界一流AI。 AI選手在這次比賽全軍覆沒，連“幾乎”都沒有。得分最高的是Gemini 2.5，得到13分，在42分的滿分中，的31%，連銅牌都不到。 然而，文章後面來了這一段，我怎麼都看不懂。 “就在大家感嘆AI太菜的時候，OpenAI團隊用最新開發的通用推理模型，在兩場4.5小時的考試時間中，和人類完全相同的考試條件下作答。 最終解出5道題，共獲得35分IMO金牌分數線，成功拿到了金牌。” 這裡至少有兩個問題。OpenAI有沒有參賽，好像沒有，否則不會說“全軍覆沒”。因為考題沒有外泄，所以是在比賽後做的，你怎麼知道訓練團隊是否在這時間差來了點額外訓練？相同條件從何談起。 兩個月前，我給ChatGPT和DeepSeek出了一道當年非常著名，但不算很難的立體幾何題目。兩“人”都錯了，DeepSeek還錯的非常離譜。 這道題當年非常著名，當今世界，知道的人已經極少。我曾經請一位搜索高手教我他會怎麼找，他也用了四五步才間接找到。很顯然，兩位AI大概率沒受過這方面訓練。由此，再加上上面時間差的疑問，我對OpenAI的傑出表現相當懷疑。 上面那道題如下。 有一金字塔，塔底正方形邊長為1。四個三角形是正三角形，邊長也是一。 有一正四面體，即四個面都是正三角形，邊長也是一。 把金字塔的一個三角形和正四面體的一個三角形合在一起，問新的多面體有幾個面。 考試委員會的“標準答案”是7，正確答案是5，ChatGPT答7，DeepSeek答8。我不知道OpenAI是何方神聖，有該軟體的讀者不妨測試一下。 有了這個經驗，我對眾多AI的全軍覆沒就毫不驚訝了。再考慮到文中語焉不詳的“相同條件”，我對OpenAI的金牌的懷疑也就順理成章了。
|
