据知名科普杂志《科学美国人》的报道，今年五月中旬，一场由非营利组织 Epoch AI 主办的 FrontierMath 研讨会在加州伯克利秘密举行。三十位被称为“全球最负盛名的数学家”齐聚一堂，他们的任务只有一个：设计出人类专家能够解决、但最先进的 ...

苹果质疑当前基于最终准确率的评估范式，并借助确定性谜题模拟器将评估范围扩展到思维轨迹的中间解。分析表明，随着问题复杂度的增加，正确的解会系统性地出现在思维的后期，而错误的解则不然，这为理解推理模型 (LRM) 中的自我修正机制提供了定量层面的见解。