Добавить новость
ru24.net
News in English
Ноябрь
2024

FrontierMath Benchmark Exposes AI Struggles in Advanced Math

0
eWeek 

Artificial intelligence is proving its value for generating text, recognizing images, and automating processes, but AI systems are hitting walls when trying to solve advanced math reasoning challenges. A trailblazing new benchmark from research firm Epoch AI called FrontierMath found that even today’s most advanced AI systems, including GPT-4o and Gemini 1.5 Pro, solved less than 2 percent of the math reasoning challenges they faced—even after long hours of work.

Benchmarks are needed to understand and measure AI’s progress. According to Epoch AI’s product marketing, FrontierMath “can assess how well AI systems engage in complex scientific reasoning” because “mathematical problems can be rigorously and automatically verified,” unlike areas in which subjective judgment and expensive tests are used for evaluation.

How the Models Performed

Epoch AI provides sample problems that expert mathematicians spend hours solving—for example, testing Artin’s primitive root conjecture or finding the degree 19 polynomial. Current AI models were provided with “extensive support to maximize their performance” before undertaking advanced mathematical problems, including access to Python environments for testing and verification. However, that support wasn’t enough to prepare them.

“FrontierMath has proven exceptionally challenging for today’s AI systems,” Epoch AI reported.

The AI systems scored high on easier math benchmarks like GSM8K and MATH—above 90 percent—but scored around 2 percent on the advanced problems. All FrontierMath problems are previously unpublished to eliminate the data contamination concerns of existing benchmarks.

In a blog post on the new benchmark, mathematician Evan Chen said he believes FrontierMath differs from traditional math competitions like the International Mathematical Olympiad (IMO) or Putnam in a few ways. IMO problems avoid specialized knowledge and complex calculations, while FrontierMath welcomes them. While they all test for creative insight, he said, FrontierMath “outright invert(s)” two other properties for setting a problem: it should not take a lot of implementation, and it should be elementary.

“Because an AI system has vastly greater computational power,” Chen wrote, “it’s actually possible to design problems with easily verifiable solutions using the same idea that IOI or Project Euler does—basically, ‘write a proof’ is replaced by ‘implement an algorithm in code.”

Evaluating AI Systems: What’s Next

To see if AI systems possess research-level mathematical reasoning capabilities during evaluation, Epoch AI said it will take the following steps to make the benchmark more valuable as AI systems advance:

  •  Regular evaluations of leading AI models
  • Expanding the benchmark
  • Releasing additional problems to the public
  • Strengthening quality control

Epoch AI said the FrontierMath benchmark was developed in collaboration with over 60 mathematicians from leading institutions. It spans the full spectrum of modern mathematics from computational number theory to abstract algebraic geometry.

The post FrontierMath Benchmark Exposes AI Struggles in Advanced Math appeared first on eWEEK.




Moscow.media
Частные объявления сегодня





Rss.plus



Токсиколог Кутушов перечислил топ-5 наиболее токсичных веществ в бытовой химии

Подмосковные росгвардейцы получили более 100 новых служебных автомобилей

Thyseed — новый игрок на рынке товаров для мам и детей в «Детском мире»

Лучшие студенческие энергетические отряды «Россети Центр» и «Россети Центр и Приволжье» награждены в Москве


Дышите глубже: доктор Кутушов рассказал, как "безопасные" альтернативы сигарет отравляют ваш организм

Растения, занесенные в Красную книгу России

Москва встречает туристов из Королевства Таиланд

Позор на съёмках, слухи о болезни и прозвище "Падальщик": Самые скандальные факты про Андрея Малахова


Bigg Boss 18: Digvijay Rathee asks Chum Darang about the kind of guy she would like to marry; says ‘mere parents ko manana padega’

Bigg Boss 18: Netizens slam Raftaar and Ikka’s for calling Digvijay Singh Rathee ‘napti’; see tweets

Cook backs Jaiswal's fearless sledging of Starc

Gujarat's Urvil Patel smashes another blazing century in SMAT


Стало известно, где на дорогах Екатеринбурга появятся десятки новых выделенных полос

Беспроводной сканер штрих-кодов SAOTRON P05i промышленного класса

Михаил Мальцев: "Низкий туррейтинг Свердловской области – из-за нехватки мест размещения"

Эффективная борьба с лесными пожарами: опыт и результаты 2024 года в Алтайском крае


Arcane co-creator reminds fans 'there are always constraints', dispels theories the show was rushed or restrained by Riot's higher-ups

Woolly Boy and the Circus можно предзаказать на iOS, Android и PC

Доступна предзагрузка Steam-версии Delta Force: Hawk Ops

How two secret Stalker 2 hacks cut my loading time from 5 minutes to 52 seconds and got me in the Zone faster



Фонд борьбы с инсультом ОРБИ при поддержке Т-Банка запустили платформу волонтерского фандрайзинга

База руководств по эксплуатации - найти инструкцию к любому девайсу теперь можно на едином ресурсе

Только 6% женщин ориентируются на рекомендации врача при выборе косметики

Большой концерт Xolidayboy при поддержке Like FM




SHOT: фирма из Башкирии обманула онкобольных россиян на миллионы рублей

Токсиколог Кутушов перечислил топ-5 наиболее токсичных веществ в бытовой химии

Лучшие студенческие энергетические отряды «Россети Центр» и «Россети Центр и Приволжье» награждены в Москве

Thyseed — новый игрок на рынке товаров для мам и детей в «Детском мире»


Синяки на теле. Жительница Барнаула рассказала о загадочной смерти дяди в "Рубиконе"

Школьнику из Одинцова вручили награду за спасение утопающего

Насколько высоки риски банкротств застройщиков и чем это грозит дольщикам

Амурская ТЭЦ-1 увеличила мощность на 63 МВт


Жену второй ракетки Белоруссии Герасимова обокрали в отеле в Петербурге

«До 30 лет еще можно рваться к Большим шлемам» — Янчук о форме Медведева

Жену белорусского теннисиста Герасимова обокрали в отеле в Петербурге

Названо место Рыбакиной в рейтинге лидеров WTA по призовым за сезон


​Сенников пояснил причины поражения «Локомотива» от «Химок»

Собянин рассказал о благоустройстве жилых кварталов и скверов на востоке Москвы

Рэпер Саграда и группа «Соль Земли» выступили с концертом в Москве

Инструктор Потапенко: мотоцикл можно переправить на юг России с помощью поезда


Музыкальные новости

Воскресный шопинг: Тимати похвастался покупкой за 65 миллионов рублей

Мариинка привезет «Пиковую даму» в Ярославль

Сергей Шнуров запретил Ксении Собчак слушать его новый альбом: как отреагировала журналистка?

Музыкант Макаревич заявил, что подарит Бородину один из своих объектов в России



В День Неизвестного Солдата подмосковные росгвардейцы почтили память Героев, отдавших свои жизни на благо Отечества

Только 6% женщин ориентируются на рекомендации врача при выборе косметики

В День Неизвестного Солдата подмосковные росгвардейцы почтили память Героев, отдавших свои жизни на благо Отечества

Фонд борьбы с инсультом ОРБИ при поддержке Т-Банка запустили платформу волонтерского фандрайзинга


Бастрыкин потребовал доложить региональные СК о незаконном вывозе детей за границу

Стартовый прокол: почему Большунов неудачно начал сезон

Estet Fashion Week 2024: итоги 26-го сезона международной Недели моды, прошедшей в Москве

VK Fest 2025 объявил площадки проведения и новые даты в Москве и Петербурге


В Москве водитель протащил по дороге инспектора ГАИ, державшегося за ручку авто

LG ПОЛУЧАЕТ ПЕРЕДОВУЮ СЕРТИФИКАЦИЮ ПО КИБЕРБЕЗОПАСНОСТИ ТРАНСПОРТНЫХ СРЕДСТВ

Сегодня в Новгородской области отмечают День неизвестного солдата

«Деловые Линии» открыли терминал в городе Бор в Нижегородской области


Путин и Собянин посетили центр реабилитации инвалидов им. Л.И. Швецовой

Путин обсудил с Эрдоганом борьбу с терроризмом в Сирии

Собянин: В Москве создана единая система поддержки людей с инвалидностью

Стратегическое партнерство РФ и Казахстана – вызов неоколониализму Запада


Свыше 4,8 тыс. случаев заболевания коронавирусом выявили в городе за неделю




Фонд борьбы с инсультом ОРБИ при поддержке Т-Банка запустили платформу волонтерского фандрайзинга

На Казанском вокзале в Москве презентовали вагон-купе для инвалидов

Только 6% женщин ориентируются на рекомендации врача при выборе косметики

Глава КБР провел встречу с министром здравоохранения


Bild рассказали, что настоящая цель визита Шольца в Киев - узнать, на что готов Зеленский ради мира

Такер Карлсон: Посольство США в Киеве запретило Зеленскому давать интервью

ANSA: Зеленский потребовал от НАТО 120 млрд долларов «на войну с Россией» в

Такер Карлсон заявил, что Киев запретил Зеленскому дать ему интервью


Дмитровские спортсмены стали призерами всероссийских соревнований

«Динамо» обратилось в ЭСК РФС с просьбой рассмотреть два эпизода матча Кубка России с «Локомотивом»

В Москве врачи спасли мужчину со сломавшимся кардиостимулятором

Росгвардейцы обеспечили безопасность на спортивных мероприятиях в Москве


Признают ли Лукашенко на Западе после «выборов»?



Сергей Собянин: Московский туризм продолжает бить рекорды

Собянин рассказал о благоустройстве жилых кварталов и скверов на востоке Москвы

Собянин заявил о рекордном росте потока туристов в Москве

Сергей Собянин утвердил индексацию социальных выплат в Москве


Грани экологии. В Москве прошел форум к 100-летию ВООП

В Москве на этой неделе похолодает до минус 8 градусов

Дышите глубже: курс экопрогулок стартует в Москве

В Москве полицейские пресекли сбыт свыше 1,4 кг мефедрона уроженцем Хабаровского края


Названы наиболее востребованные ювелирные украшения у россиян

​Сенников пояснил причины поражения «Локомотива» от «Химок»

Профессионалы ковровского ЗиДа соперничают со специалистами госкорпорации «Роскосмос»

Собянин рассказал о благоустройстве жилых кварталов и скверов на востоке Москвы


Какой будет погода на Новый год, спрогнозировали синоптики

Синоптик рассказала об эпицентрах тепла на северо-западе и востоке России

В Архангельске представили выставку «Мечта о Севере. Снегурочка»

В Красногорске до конца года приступят к строительству нового участка Мякининского шоссе


Юбилейное досье «Алиса в стране театра и кино»

Выставка-память «Пропавшие без вести, но не забытые», ко Дню Неизвестного солдата

Час мужества "Их подвиг жив, неповторим и вечен"

Беседа-рекомендация «Это важно знать»


Синяки на теле. Жительница Барнаула рассказала о загадочной смерти дяди в "Рубиконе"

Храм Андрея Стратилата

«Ъ»: в России предложили запретить нейрокаверы из-за огромных убытков музыкантов

Насколько высоки риски банкротств застройщиков и чем это грозит дольщикам












Спорт в России и мире

Новости спорта


Новости тенниса
Егор Герасимов

Жену белорусского теннисиста Герасимова обокрали в отеле в Петербурге






На лавандовые поля в Орловской области идут потоки вьетнамцев

Юбилейный вечер в честь Галины Вишневской: как КМТИ отметил 30 лет творчества и вдохновения

НИУ МГСУ и Мосгосстройнадзор учредили ...

Не заставлять детей идти в храм призвал священник