JUL-670毕业典礼之后o3被曝成绩「造假」，60多位数学泰斗集体被耍，OpenAI暗中操控，考卷提前看光JUL-670毕业典礼之后_ZAKER新闻

o3被曝成绩「造假」，60多位数学泰斗集体被耍，OpenAI暗中操控，考卷提前看光JUL-670毕业典礼之后_ZAKER新闻

　　毕业那年，靳力和王晓英在接受采访的时候说：“我们要敢于挑战，但是更重要的是坚持。不是为了我们的生活更好，而是为了更多的人生活更好，这是我们的人生观，也是在将来的坎坷道路上让我们能够坚持理想的动力。”

OpenAI 被指提前获取 Epoch AI 题库，结果存疑。又爆大瓜！FrontierMath 的 o3 惊人表现，竟是因 OpenAI 资助了 Epoch AI 而提前获得大部分试题访问权。OpenAI 模型的性能究竟几分是真，几分炒作，愈来愈变得扑朔迷离。不久前，OpenAI 在「圣诞 12 连更」中发布的最强推理模型「o3」，毫无疑问地惊艳了所有人。尤其是对于新近发布的数学基准 FrontierMath，其准确率相比 o1 直接翻了 12 倍。要知道 FrontierMath 可是 Epoch AI 联合六十余位全世界的数学家，其中包括教授、IMO 命题人、菲尔兹奖获得者，共同推出的。其包括数百个原创的、格外具有挑战性的数学问题，每个问题就算是专业数学家，也得需要数小时或数天的时间才能解决。正因如此的高难度，o3 这种对于 FrontierMath 惊人的突破才让大家都对其推理能力而感到不同凡响。但是，近日曝出一则消息，o3 之所以能在短时间之内就相比于 o1 提升 12 倍的准确率，是因为 OpenAI 资助了 FrontierMath，并且可以访问大部分数据集。但那些为评测集创建问题和解答的数学家们却完全被蒙在鼓里，根本不知道 OpenAI 是项目资助方并将获得数据访问权。简单来说就是：我们无从得知 OpenAI 是否用这个评测集训练了 o3，因此他们宣称的结果可信度值得质疑数学家们被有意隐瞒了真相，而大多数人甚至从未怀疑过会有一家 AI 公司在背后提供资金支持对此，Epoch AI 解释称：「我们承认 OpenAI 确实可以访问大部分 FrontierMath 的问题和解决方案，但有一个 OpenAI 未见过的保留集使我们能够独立验证模型能力。我们有口头协议这些材料不会用于模型训练。 」但是这所谓与 OpenAI 达成的「口头协议」——呵，现在还有谁会相信 OpenAI 的承诺？根据网上的各种报道，FrontierMath 中的难题本应都是未公开的，目的就是防止 AI 公司利用这些数据训练模型。然而现在看来，「AI 公司根本接触不到这个数据集」这一点，实际上却是 Epoch AI 和 OpenAI 刻意制造出的假象。但考虑到 OpenAI 前科累累的欺骗和误导行为——从蒙骗自家董事会，到强迫前员工签署秘密的不诽谤协议，应有尽有。所以这次的事件，多少有种「意料之外，情理之中」的意味了。Epoch AI 首席数学家回应消息曝出后，Epoch AI 首席数学家 Elliot Glazer 对此进行了回应。他首先是承认了自己的错误，并对因为没有被告知真相而自主做出贡献的数学家致以歉意。而对于 o3 那惊人的 25.2% 的准确率，他只是个人层面上表示相信，却没有一个真实可靠、有理有据的保证。Epoch AI 联创 Tamay Besiroglu 也正式发布了博客作为回应。对于此次事件，Tamay 给出的解释是：「我们的合同明确禁止披露资金来源信息以及 OpenAI 可以访问大部分（但不是全部）数据集的事实。」现在回想起来，我们应该更积极地争取向评测集贡献者及时公开相关信息的权利。我们对此承担责任，并承诺未来会做得更好。虽然我们确实向部分数学家告知了来自 lab 的资金支持，但这种沟通并不系统，也没有具体说明合作方。这种不一致的沟通方式是我们的疏忽。我们应该一开始就坚持争取公开合作关系的权利，尤其是对那些创建问题的数学家们。仅在 o3 发布前后才获得披露 OpenAI 参与的许可是远远不够的。参与项目的数学家们有权知道谁可能会接触到他们的工作。尽管我们受到合同条款的限制，但我们应该将对贡献者的透明度作为与 OpenAI 合作的基本前提。同时，对于 FrontierMath 他仍然声称：「OpenAI 完全支持我们维护独立的未见测试集的决定——这是防止过拟合和确保准确评估进展的重要保障。」在交流中，OpenAI 的员工将 FrontierMath 称为「严格保留」的评估集，这种公开表述与我们的理解一致。而且，我想强调的是，拥有真正未被训练数据污染的测试集对各个 lab 都很重要。从项目伊始，FrontierMath 就被设计和定位为一个评估工具，我们相信当前的安排完全符合这一初衷。对于未来的合作，我们将致力于提高透明度，确保贡献者能在项目初期就清楚了解资金来源、数据访问权限和使用目的等信息。总结来看，Epoch AI 的确意识到了这次事件的严重性，但是很多回应依然停留在「公关套词」层面，并且全程都在甩锅称自己不说是因为「合同」的限制。已有端倪，激起热议一石激起千层浪，纽约大学教授 Gary Marcus，亚利桑那州立大学计算机教授 Subbarao Kambhampati 等大佬，纷纷发文对 OpenAI 这一的行为表示谴责。其实，在去年 12 月刚发布时，便有参与 o3-mini 早期测试的研究人员发现了这一端倪。比如 Open Vision Engineering 的创始人 Akshay Narisetti 在推上 po 出的发现，就从侧面印证了这次的爆料：o3-mini 在 ARC-AGI 中的正确率为 156/400o3-mini 在 Frontiermath 上的表现并不理想根据实测结果，模型擅长解决特定类型的问题，但泛化能力还未完全成熟。在结构化任务上表现优异，但在需要多维度推理能力的问题上仍有明显短板。对此，谷歌 DeepMind 的研究员「Ted Xiao」分析认为，这种影响可以有两个极端的解释：1. 糟糕，OpenAI 正在操纵 benchmark，还把测试题目泄漏进训练数据里了！2. OpenAI 只是用 FrontierMath 的私有题库来指导新训练数据的整体设计方向和目标，以及设计推理路径。当然了，也有没那么极端的。比如，稍微改改题目内容创建新的训练数据，这样从技术角度来说，确实没有直接用测试数据中的 token 来训练。如今，SOTA 模型之间的竞争已经白热化。如果使用这种投机取巧的方式，模型在实际应用场景中就会原形毕露（缺乏泛化能力）。这种冒险顶尖 AI 实验室可承担不起，因此于理来说，OpenAI 更可能采用第二种方式。但即便如此，这一行为依然让 o1 和 o3 在 FrontierMath 上，表现得比在其他未经优化的复杂推理领域中更亮眼。不过，这种差距应该不会像某些在 MMLU 上采用第一种手段的「小语言模型」那样——评测分数和实际能力简直是天壤之别。对于那些坚信 OpenAI 用了第一种方法、偷偷把测试数据混进去的人，我建议：不妨等等看 o3 在实际应用场景和其他评测中，跟下一代重点强化推理能力的顶尖模型相比，表现如何。到时就知道，o3 是不是只在 FrontierMath 上特别强，在其他地方就不行了。

koa12jJid0DL9adK+CJ1DK2K393LKASDad

编辑:孙寿康

TOP1热点：刘亦菲抱玲娜贝儿

　　值得一提的是，随着公众出行习惯发生结构性变化，叠加春节假期高速公路免费时长增加等因素影响，人们选择自驾出行的意愿显著增强，自驾出行占比将达90%，创历史新高。。

　　除了欧洲，中国汽车在拉美市场也大放异彩。据巴西《经济价值报》日前报道，过去10年，在拉美汽车进口中，中国汽车所占份额由4.6%上升至21.2%。2022年，中国成为拉美地区最大的汽车进口来源国。以巴西为例，奇瑞、江淮、吉利等中国车企十多年前就已进军巴西市场并逐步站稳脚跟，长城与比亚迪也在较短时间内在巴西崭露头角。根据巴西全国汽车制造商协会的数据，2023年该国进口中国汽车的数量同比增长超过300%，中国跃升为巴西的第二大汽车进口来源国。巴西专门从事汽车行业的咨询公司Bright Consulting发布的报告显示，当前中国电动汽车占巴西进口电动汽车总量的35%，预计该比例还会持续增长。

TOP2热点：《封神》路演粉丝教于适说陕西话

　　而在千里之外的新疆，另一批旅拍的小团队则在阿勒泰体验了一把冰雪中的童话世界。早在去年11月，阿勒泰便已经白雪皑皑，上海的独立摄影师小冯带着客户奔赴阿勒泰。小冯已近三年没有组织新疆旅拍，来到久违的阿勒泰，小冯第一印象便是人多，尤其是各式各样滑雪的游客。小冯说：“感觉人比以前更多了，而且很多人和我们一样，几个人一起组成一个团自己玩，找个当地的司机兼导游就行，非常方便。”

　　中新经纬1月20日电 （王永乐）2023年31省份人均收入榜出炉。国家统计局19日公布的2023年居民人均可支配收入数据显示，上海、北京、浙江稳居前三，上海和北京更是携手首超8万元；西藏名义增速最高。你家乡排第几？

TOP3热点：河南局地暴雪20毫米以上沈芯语老师家访MD0076

　　明确涉彩礼纠纷的诉讼主体。彩礼返还纠纷中，程序上存在的主要争议问题是婚约双方的父母能否作为诉讼当事人。在中国的传统习俗中，儿女的婚姻一般由父母操办，接、送彩礼也大都有双方父母参与。《规定》充分考虑上述习俗，区分两种情况：

　　今年是疫情平稳转段及假期调整后的第一个春节，春运工作面临多重压力。目前我省成立了春运工作专班，各地各部门将全力做好春运组织协调和服务保障，以最佳状态适应公众出行结构变化新特点，以最优服务确保人民群众平安便捷温馨出行。

TOP4热点：首例“妨害兴奋剂管理罪”案一审宣判交换的日子2

　　此类案件原则上以婚约双方当事人作为诉讼主体，但考虑到实践中，彩礼的给付方和接收方并非限于婚约当事人，双方父母也可能参与其中，为尊重习俗，同时也有利于查明彩礼数额、彩礼实际使用情况等案件事实，确定责任承担主体，《规定》明确，婚约财产纠纷中，婚约一方及其实际给付彩礼的父母可以作为共同原告；婚约另一方及其实际接收彩礼的父母可以作为共同被告。

　　广东省清远市委原书记郭锋（正厅级）涉嫌受贿一案，由广东省监察委员会调查终结，移送检察机关审查起诉。经广东省人民检察院指定管辖，由江门市人民检察院审查起诉。日前，江门市人民检察院依法以涉嫌受贿罪对郭锋作出逮捕决定。该案正在进一步办理中。

TOP5热点：寒潮+暴雪+大雾！8省区有大到暴雪美国

　　2023年12月18日，一列满载55个集装箱的中欧班列，从哈尔滨国际集装箱中心站驶出，经同江铁路口岸驶向欧洲。同一天，一列中欧班列从天津新港北集装箱中心站驶出，开往俄罗斯首都莫斯科。这两列火车载的都是我国外贸“新三样”之一的新能源汽车。在中欧班列源源不断地将中国汽车送到欧洲的同时，一艘艘滚装船也将它们送往东南亚、拉美以及非洲等各个地区。

　　<span>会议指出，要通过管住“案”来管好“人”、治好“院”。</span><span>针对监督检查中发现的突出问题和典型案例，</span><strong><span>点名道姓通报批评、督促纠正，依规依纪追责。</span></strong>

TOP6热点：希腊垃圾桶旁发现两千年前无头雕像男朋友要再做一次才同意分手

　　总体来说，两场比赛国足创造出的机会着实有限——第一场最后10分钟有两次，朱辰杰头球破门被取消算一次；还有林良铭和谢鹏飞的配合，后者近距离头球顶高。

　　刘非于去年11月履新云南省委常委、省委组织部部长；杨斌于去年12月履新云南省委常委、曲靖市委书记。其中，杨斌是二十届中央候补委员。

TOP7热点：被何赛飞唱戏曲惊艳到了权臣HLH

　　上海市崇明区委巡察组原组长、二级巡视员徐洪涉嫌受贿一案，由上海市监察委员会调查终结，移送检察机关审查起诉。日前，上海市人民检察院第二分院依法以涉嫌受贿罪对徐洪作出逮捕决定。该案正在进一步办理中。

　　铁路方面，国铁集团郑州局节前加开临客124对（高铁82对，普速42对）；节后加开临客125对（高铁82对，普速43对），重点加开至北京、上海、广深、杭州等方向和管内主要省辖市方向列车。同时加大票价优惠力度，实施票价优惠的列车共24列，其中节前、节后各12列；节前实施期限为2月3日—9日、节后为2月10日—14日、19日—22日，优惠幅度普速客车票价最低2折，动车组票价最低3折。

TOP8热点：付航也开始玩贯口了噼里啪啦免费高清看

　　国足征战亚洲杯的历史上，还从来没有遭遇过小组赛前两场比赛180分钟没有进球的尴尬，扬科维奇和他的球队可以说是刷新了下限，社交媒体上很多球迷也将这一届国足称为“史上最差”。

　　中国现代国际关系研究院欧洲研究所学者董一凡对《环球时报》记者表示，中国汽车迈入“3000万时代”和中国成为全球汽车出口冠军，体现了中国汽车产业特别是电动汽车产业全球竞争力的提升，以及中国企业进一步融入全球化。乘联会秘书长崔东树表示，中国成为汽车出口第一大国，肯定会改变全球产业格局，填补国际市场因产业链紧张而难以满足的需求。

TOP9热点：老君山景区紧急闭园沈阳老阿姨最后的巅峰

　　国足征战亚洲杯的历史上，还从来没有遭遇过小组赛前两场比赛180分钟没有进球的尴尬，扬科维奇和他的球队可以说是刷新了下限，社交媒体上很多球迷也将这一届国足称为“史上最差”。

　　2023年12月18日，一列满载55个集装箱的中欧班列，从哈尔滨国际集装箱中心站驶出，经同江铁路口岸驶向欧洲。同一天，一列中欧班列从天津新港北集装箱中心站驶出，开往俄罗斯首都莫斯科。这两列火车载的都是我国外贸“新三样”之一的新能源汽车。在中欧班列源源不断地将中国汽车送到欧洲的同时，一艘艘滚装船也将它们送往东南亚、拉美以及非洲等各个地区。

TOP10热点：三星S25 Edge被曝采用减配芯片美国

　　近年来，中国汽车出口表现越来越亮眼。中国汽车工业协会（中汽协）日前发布的数据显示，2023年，中国汽车产销量分别达到3016.1万辆和3009.4万辆，创历史新高并实现两位数增长（分别增长11.6%和12%），连续15年稳居全球第一。海关总署2024年1月12日发布的数据则显示，2023年，中国汽车出口522.1万辆，同比增长57.4%，出口总额1016亿美元，同比增长69%。

　　近年来，中国汽车出口表现越来越亮眼。中国汽车工业协会（中汽协）日前发布的数据显示，2023年，中国汽车产销量分别达到3016.1万辆和3009.4万辆，创历史新高并实现两位数增长（分别增长11.6%和12%），连续15年稳居全球第一。海关总署2024年1月12日发布的数据则显示，2023年，中国汽车出口522.1万辆，同比增长57.4%，出口总额1016亿美元，同比增长69%。