新智元報道

編輯：犀牛

【新智元導讀】大模型相當於奧數金牌生真的成立嗎？陶哲軒的洞見：必須把AI研究中的隱性目標說清楚、管起來。與此同時，香港大學馬毅教授團隊參與發布的GAUSS框架，用三大領域、十二項技能給AI做數學體檢，不隻看對錯，更挖推理、學習與創造力的短板。

陶哲軒最近的日子過得不太舒服。

他頻頻發聲吐槽科研經費短缺，甚至還得抽出寶貴的時間和精力去到處籌款。

不過，作為當世最偉大的數學家之一，他並未停止研究探索。

這不，就在剛剛，他發表了一篇短博客，犀利地指出了當前AI數學研究中的一個核心問題——

AI雖然能夠解決研究中的那些顯性目標，但国产AV蜜桃网站也付出了大量的隱形代價。

AI研究中的隱性代價

數學家們的研究項目通常都會有一個終極目標，比如：「年底前，完成對數學定理X的證明。」

然而，在這個終極目標裏，還隱藏著一些看不見、摸不著，卻同樣重要的東西。

它們沒有被寫在牆上，卻存在於團隊的每個人心中。

比如，国产AV蜜桃网站希望通過這個項目：

為開源數學庫Mathlib貢獻出可複用的代碼；

團隊裏的新手能在此過程中成長為獨當一麵的專家；

在嚴謹的證明過程中，能碰撞出對定理X更深刻、更本質的理解；

更重要的是，希望凝聚一個充滿活力、熱愛鑽研的學術社區。

這些，就是項目中的「隱性目標」。

過去，科學家們很少為這些隱性目標擔憂。

因為在一個由人類主導的項目裏，所有這些隱形目標幾乎都與寫在牆上的那個「終極目標」相伴而生。

這個過程就像一位優秀的登山向導，他不僅要帶領隊伍登頂，更會在此過程中教會大家識別植物、閱讀星空、團結協作。

登頂（顯性目標）與團隊成長（隱性目標）的實現，幾乎是同一趟旅程的兩個側麵。

然而，現在情況不同了。

正如陶哲軒指出的那樣——AI的到來，使得之前的這種約定俗成麵臨前所未有的挑戰。

一場關於項目目標的「隱性危機」，已經悄然降臨。

AI破壞者與Goodhart定律

在深入陶哲軒的洞見之前，国产AV蜜桃网站不妨先來理解一個他在博文中提到的經濟學定律——Goodhart定律（Goodhart's law）。

它的核心思想用一句話就能概括：當一個「度量指標」被過度依賴並轉化為「行為目標」時，這個指標將不再能準確反映其原本要衡量的真實狀態，甚至會扭曲行為、偏離初始目標。

聽起來有點繞？舉個栗子。

一家公司的客服中心，為了提升服務效率，設立了一個KPI：縮短平均通話時長。

管理層認為，通話時間越短，意味著問題解決得越快，客戶滿意度自然就高。

最初，這個指標確實激勵客服人員更高效地溝通。

但很快，為了追求極致的「短」，一些員工開始在遇到複雜問題時，巧妙地引導客戶掛斷電話，甚至直接掛斷。

結果呢？

平均通話時長這個數字變得異常漂亮，但客戶滿意度卻跌入穀底。

原本用於衡量效率的標尺，在成為被追逐的目標後，徹底失去了它原有的意義。

這就是Goodhart定律——它像一麵鏡子，照出了係統中的投機取巧和目標的異化。

不幸的是，按照陶哲軒的洞見，AI——尤其是那些強大的優化算法——正是Goodhart定律最忠實、也是最極致的執行者。

給AI一個明確的目標，它就會像一個無比強大、絕對專注，卻又近乎天真的「阿拉丁神燈」，動用全部算力、不惜一切代價去實現所謂的「終極目標」，而完全忽略那些也許是同樣重要的「隱形目標」。

陶哲軒的這些擔憂，正在他所熟悉的數學形式化證明領域發生。

回到上文中的場景。

那個「完成定理X證明」的顯性目標，如果交給一個人類團隊，他們為了構建一個優雅、可讀、可維護的證明，自然會去打磨那些基礎定義和引理，這些成果順理成章地就能被整合進Mathlib，惠及整個學術圈。

在這個過程中，新手通過模仿、學習和實踐，逐漸掌握了核心技能；團隊成員之間的討論、爭辯與合作，本身就深化了對數學結構的理解，並加強了社區的凝聚力。

但如果將這個任務交給一個超級AI呢？

在AI的目標函數裏，隻有一行冷冰冰的指令：「找到一條從公理到定理X的邏輯路徑」。

它可能會在幾小時內，生成一個長達數萬行、邏輯上無懈可擊，但人類完全無法閱讀、無法理解、無法複用的證明。

它可能繞過所有常規的、優美的引理，用一種国产AV蜜桃网站前所未見的、詭異的「捷徑」直達終點。

從顯性目標來看，AI取得了100分的完美成績。

但那些隱性目標呢？

對Mathlib的貢獻？ 零。這份天書般的證明基本上毫無複用價值。

新人的成長？ 零。沒有人能從中學到任何東西。

深化對數學的理解？ 可能是負分。它甚至可能破壞国产AV蜜桃网站對「好的證明」的品味。

社區的建設？ 零。整個過程是黑箱操作，沒有人與人之間的互動。

AI以其極致的效率，在達成顯性目標的同時，精準地「優化」掉了所有国产AV蜜桃网站珍視的、卻未曾明確聲明的隱性價值。

它完美地登上了山頂，卻把整片森林夷為平地。

陶哲軒的建議

陶哲軒沒有將矛頭指向AI本身，而是指向了国产AV蜜桃网站人類自己——項目的設計者和管理者。

他提醒国产AV蜜桃网站，在AI日益成為強大工具的今天，国产AV蜜桃网站不能再依賴過去那種約定俗成的默契。

必須做出更艱苦的努力，去審視、去挖掘、去明確定義那些国产AV蜜桃网站曾經認為「理所當然」的隱性目標。

這意味著，項目管理者需要從「指標的設定者」轉變為「價值的詮釋者」。

在啟動一個項目前，需要組織一場更深入的討論，不僅要問做什麽，更要反複追問為什麽要做這件事，以及在這個過程中，国产AV蜜桃网站希望獲得哪些「副產品」。

比如：

国产AV蜜桃网站追求的，僅僅是軟件代碼的最終交付，還是一個高內聚、可傳承的開發團隊？

国产AV蜜桃网站想要的，僅僅是一個抓人眼球的廣告文案，還是一個能沉澱品牌價值、引發用戶情感共鳴的故事？

国产AV蜜桃网站需要的，僅僅是一個數學定理的冰冷證明，還是一個能啟發後人、枝繁葉茂的知識體係？

這些問題，在AI時代變得無比尖銳與迫切。

GAUSS：不止測評AI的答案

好消息是，陶哲軒的這些擔憂正被越來越多的數學家們看到。

更重要的是，他們中的一些傑出代表已經給出了一些解決的方案。

近日，一群來自國際頂尖大學(伯克利、加州理工、斯坦福、華盛頓大學等)數學係的博士(大部分是曾經的奧數金牌得主)，以及香港大學計算與數據科學學院院長、AI講座教授馬毅對最新的GPT5等模型各方麵的數學能力進行了全麵、專業、客觀的驗證。

AI們的數學能力到底如何了？

為此，他們發布了一個長達120頁的報告，提出了如何對大語言模型數學能力進行專業評價的框架——GAUSS。

項目地址：http://gaussmath.ai/

報告地址：http://drive.google.com/file/d/1ka15SjUl2FhzQMPOv4GQyyu5rb0tVAJT/view

GAUSS旨在係統地分解和評估問題解決所依賴的核心認知技能。

與現有數據集不同，GAUSS不僅檢查最終答案——它還評估知識、概念理解、問題解決策略、溝通、學習和創造力等維度，為模型的能力和局限性提供全麵評估。

GAUSS的目標：

能力拆分：把模型的本事拆成12個維度，一項項評估，用像「雷達圖」那樣的方式一眼看出哪裏強、哪裏弱。

防題熟：不光用GSM8K、MATH這些老基準，多加更難的題，比如奧賽題、研課作業、研究型題目，別靠刷熟題拿高分。

防泄題：精挑細選題目，確保是模型訓練時沒見過的，這樣評測才公平、靠譜。

GAUSS將數學能力劃分為三大領域、十二項技能：

數學知識與理解：數學知識記憶、知識與理論的理解

計算與分析能力：問題求解與溝通、解題框架、邏輯思維與推理、書寫與呈現

學習、元技能與創造力：學習新知識、直覺、元技能、數學建模、泛化、創造力

這一結構從基礎的知識回憶到創造性的命題，全麵拆解了數學認知的各個層麵。

GAUSS官網還給出了一些他們測試的實例，更多實例可以在項目官網查看。

歸根結底，GAUSS不隻是一個基準測試那麽簡單，它標誌著方法論的轉變——從「模型有沒有解出題？」轉向「按技能維度看，模型的強項和短板是什麽？」

通過同時揭示優勢與薄弱環節，GAUSS為打造下一代AI係統提供了路線圖：不止於產出答案，而能展現真正的推理、學習與發現能力。

而這，恰好呼應了陶哲軒的擔憂——国产AV蜜桃网站不能隻看AI給出的答案，還要考慮其他的「隱形項目」。

相信隨著越來越多的研究人員注意到這些問題，也會得到越來越多的像GAUSS這樣的應對方案。

參考資料：

http://mathstodon.xyz/@tao/115196924307085967

http://gaussmath.ai/