首个AI高考全卷评测结果发布：最高分303数学全不及格
19日讯，上海人工智能实验室旗下司南评测体系OpenCompass选取了7个大模型进行高考“语数外”全卷能力测试。OpenCompass发布了首个大模型高考全卷评测结果。语数外三科加起来的满分为420分，此次高考测试结果显示，阿里通义千问2-72B排名第一，为303分，OpenAI的GPT-4o排名
首页 > 数学
-
-
量子计算机解开“绳结”数学难题
科技日报讯（记者张佳欣）量子计算机在解决拓扑学难题上展现出巨大潜力。据英国《自然》网站日前报道，总部位于英国剑桥的Quantinuum公司研究人员在arXiv网站发布预印本论文称，他们可利用量子计
-
达摩院“数学天团”死磕四年，国产“工业软件之芯”发布1.0版本！
被誉为“工业软件之芯”的求解器，长年由国外垄断，国产自研进度如何了？最近，工信部产业发展促进中心等单位专门举办了一场比赛（首届能源电子产业创新大赛），让国产求解器在电网调度的复杂场景下PK了一番。为什么求解器这么受重视？
-
DeepSeek版o1炸场，数学代码超越OpenAI，每天免费玩50次，后续将开源
DeepSeek版o1来了，发布即上线，现在就能玩！模型名为DeepSeek-R1-Lite，预览版在难度较高数学和代码任务上超越o1-preview，大幅领先GPT-4o等。据了解，DeepSeek-R1-Lite使用强化学习训练，推理含大量反思和验证，遵循新的Scaling Laws——推理越长
-
像搭乐高一样做数学定理证明题，GPT-3.5证明成功率达新SOTA
中山大学和华为等机构的研究者提出了 LEGO-Prover，实现了数学定理的生成、整理、储存、检索和复用的全流程闭环。背景作为长链条严格推理的典范，数学推理被认为是衡量语言模型推理能力的重要基准，GSM8K 和 MATH 等数学文字问题（math word problem）数据集被广泛应用于语言模型
-
阿里发布Qwen2-Math：数学推理全球第一，超越GPT-4o和Claude-3.5
阿里发布了Qwen2-Math（1.5B/7B/72B）系列，Qwen2-Math是一系列基于Qwen2 LLM构建的专门用于数学解题的语言模型，数学推理能力全球第一。在Math上的评测结果表明，最大
-
数学家们仍在追赶天才拉马努金
如果有这么一个人，写下这样的复杂公式，并声称是受女神梦中启发所得，大家伙儿通常会送他两个字：民科。但当这个人一生中数千次写下类似的数学公式和命题，并在此后的100年间，不断地被证实正确，那么就只有一个可能——他是拉马努金。
-
研究论证GPT-4变笨了：数学能力雪崩，代码能力也变差了！
尤其是 GPT-4 求解数学问题的能力，可以说是雪崩式下降 —— 三月版 97.6% 的准确度到六月只剩 2.4%。
-
仅需格式转换提升9%数学推理能力，上交开源新对齐方法ReAlign
大模型对齐新方法，让数学推理能力直接提升9%。上海交通大学生成式人工智能实验室（GAIR Lab）新成果ReAlign，现已开源。
-
第一个国产中文o1来了，直接数学竞赛题伺候！
家人们，o1大模型，最近着实是有点火啊。就在今天，昆仑万维的Skywork o1首发中文逻辑推理能力，并开启了邀测。那一波实测，这不就得安排一下么。类似o1模型最大的特点就是其强悍的推理能力，因此，我们直接上一道AIME数学竞赛题，看看够不够“开门”。
