FrontierMath
ベンチマーク
性能
Research-grade mathematics — built unsolvable, already yielding.
これはベンチマークのレコードです。業界がチップやモデルの性能を測定するために使うテストと、そこから実際にわかることを紹介します。
Epoch AI commissioned original problems from working mathematicians (Fields medalists among the reviewers) that take experts hours or days. Launch scores were ~2%; frontier systems passed 25–40% on the easier tiers within a year — while a disclosure that OpenAI funded the set sharpened norms about benchmark independence.
出典
レコードのレビュー時点： 2026-01-15 — 表示 調査手法.