#193. OpenAI IMO 团队谈论模型为何终于能解决顶尖数学难题

📝 本期播客简介本期我们克隆了：红杉资本的播客, 原播客发布时间为 Jul 30, 2025本期嘉宾 Alex Wei、Sheryl Hsu 和 Noam Brown 是 OpenAI IMO 金牌水平模型的幕后核心团队。IMO 金牌一直被视为通往通用人工智能（AGI）道路上的重要里程碑，而 OpenAI 的模型在 2024 年的竞赛中取得了这一历史性突破。这个成就的意义远不止于解决数学难题，其背后是一套通用的技术框架，旨在扩展模型的推理时间、并行计算能力，并处理那些难以验证的任务。在一年前，模型还只能进行几十秒的推理，而现在，它已经能持续专注上百分钟。在这场对话中，你将听到这个三人核心团队如何在短短数月内完成冲刺，模型如何表现出惊人的“自知之明”并承认自己解不出难题，以及为什么他们选择通用技术而非专用工具，为解决人类最重大的科学谜题铺路。⚙️ 本期嘉宾Alex Wei、Sheryl Hsu 和 Noam Brown，OpenAI IMO 金牌水平模型的幕后核心团队。他们致力于通过发展通用推理技术，解决数学等领域的顶级难题，推动通用人工智能的发展。📒 文字版精华见微信公众号（点击跳转）🌟 精彩内容🤯 三人小队，数月冲刺 IMO 金牌？尽管拿下 IMO 金牌是 OpenAI 多年来的夙愿，但真正为 2024 年竞赛发起的冲刺，时间却非常紧张。Alex Wei 透露，这次努力的核心团队其实只有他们三个人，堪称一个“小而精悍”的项目。他们站在众多同事工作的基础上，在短短几个月内，将已经酝酿一段时间的算法和想法整合，最终取得了这一惊人的成就。“具体到这一次的努力，我想，真正开始投入可能也就几个月的时间。为了赶上今年的 IMO，我们最后冲刺，把所有东西准备好……但要说核心团队，我想就我们三个人。这是一个非常小而精悍的项目。”🤔 “这题太难”：一个懂得放弃的 AI 有多可靠？在面对传统上最难的 IMO 第六题时，模型在投入大量算力后，最终的结论是“无解”。团队成员认为，这恰恰是模型的一大进步。相比过去模型为了表现得“有用”而编造答案，新系统表现出了惊人的“自我认知”，能承认自己能力的上限。这种诚实和可靠性，对于解决严肃的科学问题至关重要。“我们乐于见到的是，模型没有胡编乱造，没有硬要给出一个答案，而是直接说‘无解’。当然，看到它花了那么多功夫最后说无解，还是有点小失望，但它能承认自己做不到，我觉得这是件好事。”🛠️ 放弃专用工具 Lean，只因“通用”才是通往 AGI 的康庄大道尽管 IMO 官方 AI 赛道基于形式化验证工具 Lean，但 OpenAI 团队却选择了自然语言的“非形式化”路径。Noam Brown 解释说，他们的首要任务是发展“通用”的推理能力。为 IMO 项目开发的所有技术，无论是扩展思考时间，还是并行计算，都被设计成可用于其他任何领域的通用系统。他们认为，投入数年开发一个只能完成单一任务的系统，在 AI 飞速发展的今天并非最佳选择。“我们用来扩展思考时间、处理难以验证的任务以及进行并行计算的所有技术，都是我们计划或已经用于其他系统的通用技术。”📈 下一步，千禧年难题？先跨越 1.5 小时到 1500 小时的思考鸿沟在竞赛数学上取得成功后，下一个目标是什么？团队指出，模型在普特南等竞赛中的表现甚至更好，真正的挑战在于从“竞赛级”数学跨越到“研究级”数学。这背后是巨大的思考时间鸿沟：顶尖学生解一道 IMO 题平均用 1.5 小时，而一项研究突破可能需要一位研究者花费 1500 小时。如何将模型的推理能力从“小时级”扩展到“数月甚至数年”，才是通往解决千禧年大奖难题等重大问题的关键。“现在我们从几秒钟的问题，进步到了那些天才学生平均每道题要花一个半小时才能解决的问题……而研究级别的数学，是这些天才学生长大后，成为研究者，要花上一千五百个小时才能解决的问题。这中间思考时间的差距是上千倍。”🌐 播客信息补充翻译克隆自：OpenAI’s IMO Team on Why Models Are Finally Solving Elite-Level Math本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

There are no comments yet.

Please log in to write the first comment.