FrontierMath
Бенчмарк
Возможности
Research-grade mathematics — built unsolvable, already yielding.
Перед вами запись о бенчмарке — тесте, который индустрия использует для оценки чипов или моделей, — и о том, что он реально показывает.
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.
Место в общей экосистеме
Ссылки этой записи с первого взгляда — нажмите на группу, чтобы перейти к ней.
Связанные
Источники
Запись актуальна на 2026-01-15 — смотреть Методология.