GPT-5.2 推進科學與數學研究
Advancing science and math with GPT-5.2
OpenAI 表示,GPT-5.2 是其目前在數學與科學領域最強的模型,並在 GPQA Diamond 和 FrontierMath 等基準上取得新的最佳成績。文章列舉其求解一個尚未解決的理論問題,以及生成可靠數學證明的案例,展示基準表現如何轉化為實際研究進展。
文章把 GPQA Diamond、FrontierMath 的基準表現連結到求解尚未解決的理論問題和生成可靠數學證明的案例,呈現 GPT-5.2 在研究任務中的具體落點。
我們對強大 AI 的期望之一,是它能加快科學研究,造福所有人,協助研究人員探索更多想法、更快測試,並讓發現帶來實際影響。
過去一年來,我們一直與數學、物理學、生物學和電腦科學領域的科學家緊密合作,了解 AI 可以在哪些方面提供協助,以及仍有哪些不足。上個月,我們 發表了一篇論文,彙編了數學、物理學、生物學、電腦科學、天文學和材料科學領域的早期案例研究,當中 GPT‑5 協助研究人員,並展示 GPT‑5 已開始為實際科學工作作出貢獻。 有了 GPT‑5.2,我們開始看到這些進步變得更一致、更可靠。
在精確度至關重要的領域,表現更強
GPT‑5.2 Pro 和 GPT‑5.2 Thinking 是我們迄今用於科學和數學工作的最強模型。
強大的數學推理能力是確保科學和技術工作可靠的基礎。它使模型能夠遵循多步推理、確保各項數值一致,並避免那些可能在實際分析中逐漸累積的細微錯誤——從模擬和統計到預測和建模。在 FrontierMath 等基準測試上的進步,反映的並非某項狹窄技能,而是更強的通用推理和抽象能力;這些能力可直接應用於編碼、數據分析和實驗設計等科學工作流程。
這些能力也與邁向通用智能的進展密切相關。能可靠地運用抽象概念進行推理、在長篇思維鏈中保持前後一致,並跨領域作出泛化的系統,正展現 AGI 的基礎特質——這些並非針對特定任務的小技巧,而是廣泛且可應用於不同領域的推理能力,對科學、工程和現實世界的決策都很重要。
我們相信 GPT‑5.2 Pro 和 GPT‑5.2 Thinking 是全球最出色、能協助科學家並加快其工作的模型。在 GPQA Diamond,這項研究生程度、題目難以透過 Google 搜尋找到答案的問答基準測試中,GPT‑5.2 Pro 的成績為 93.2%,緊隨其後的是 GPT‑5.2 Thinking,成績為 92.4%。
在 GPQA Diamond(在新視窗中開啟),模型會回答有關物理、化學和生物學的選擇題。沒有啟用任何工具,推理力度則設定為最高。
在 FrontierMath(第 1–3 級)這項評估專家級數學能力的測試中,GPT‑5.2 Thinking 創下新的最佳成績,解決了 40.3% 的問題。
展望未來
這項結果為 AI 系統如何支援科學研究提供了一個有用的方向,尤其是在數學和理論電腦科學等具有公理化理論基礎的領域。在這類情境中,前沿模型可以協助探索證明、測試假設,並找出原本可能需要人類投入大量心力才能發現的關聯。
與此同時,這些系統並非獨立開展研究的研究者。專家判斷、驗證和領域知識仍不可或缺。即使能力很強的模型也可能犯錯,或依賴未明言的假設。不過,它們也能提出詳細且有條理的論證,值得人類仔細研究和完善。因此,要透過 AI 取得可靠進展,有賴於能確保驗證、透明度和協作始終貫穿其中的工作流程。
從案例研究的角度來看,這項結果展示了一種正在形成的研究實踐模式。GPT‑5.2 這類模型可作為支援數學推理和加快早期探索的工具,同時正確性、詮釋和脈絡方面的責任仍由人類研究人員承擔。若謹慎使用,這類系統或可簡化理論研究中的許多重要環節,而不會取代人類判斷在科學探究中的核心角色。
來源:OpenAI News · openai.com