IMO金牌的头魁原来是谷歌DeepMind，只是因为内部流程审批慢，被OpenAI抢占先机，占尽风头。那助OpenAI拿下IMO金牌的模型有何特殊之处？它背后的争议为何引发菲尔兹奖得主陶哲轩公开出面发声？

　　昨天，全网几乎都被OpenAI拿下IMO金牌刷屏了。自家研究员纷纷现身，宣传OpenAI神秘模型的强大。

　　谷歌DeepMind研究员Archit Sharma调侃道，「恭喜！居然比我们先官宣了——现在P6是新标杆了吗」？

　　简而言之，OpenAI这次的通用推理模型在「通用强化学习和测试时计算扩展方面开辟了新天地。」

　　OpenAI推理研究员Noam Brown指出，这个模型并非专门为国际数学奥林匹克竞赛（IMO）设计。

　　这次的通用推理模型，在推理时间跨度上实现了逐步进步：从GSM8K（顶尖人类约 0.1 分钟）→ MATH基准（约1分钟）→ AIME（约10分钟）→ IMO（约100 分钟）。

　　他称，OpenAI拿下IMO金牌这事，需要强调的是，「这是一个LLM在做数学题，而不是一个特定的形式化数学系统这是朝着AGI迈进的主要部分。」

　　但实际上，它的能力是一个巨大的范围。你给它提供的计算资源、给它的指令有多好，以及你要求它如何输出结果，都会导致最终效果产生天壤之别。

　　以人类竞赛举个栗子： 在刚结束的IMO竞赛中，各国派出六名高中生选手组成的团队（由职业数学家担任领队）。

　　期间选手严禁交流（包括与领队），仅可向监考询问题目表述问题。领队仅在评分环节向评审委员会申诉，不直接参与解题。

　　都知道，IMO被视为衡量中学生数学能力的金标准：金牌线分（即完美解答五题），完整解出一题即可获「荣誉提名」。

　　在此期间电脑翻墙有什么影响，队长会引导学生采用更有利的方法，并在某个学生花费过多时间在他们知道不太可能成功的方向时进行干预。

　　如果团队中的学生都未能获得令人满意的解决方案，团队负责人将不会提交任何解决方案，并且会悄然退出比赛，而他们的参与也永远不会被记录。

　　「这警示我们，在缺乏统一测试标准的情况下，贸然对比不同AI模型（或AI与人类选手）的IMO表现如同比较苹果与橙子，没有对比意义可言，」陶哲轩指出。