AI 解出了难题，但它先看过答案吗？

AI 概念插画。

让 AI 解决一道研究难题，它交来一份检查通过的证明。接下来还值得问一句：这条路是它自己走出来的，还是刚从网上找来的？

2026 年 10 月 27 日提交的 OpenFrontiers 预印本，把这两种能力分开测。伊利诺伊大学厄巴纳—香槟分校的研究者选出 50 道数学题，其中 40 道已有解，10 道当时仍开放。七个模型接入 Agent 工具，每题每种条件一次尝试，最多三小时；交卷要提供能通过两个独立检查器的 Lean 形式化证明。

把浏览器关掉，再打开。

在允许续跑的实验中，GPT-6.1-sol 闭卷解出 7/40，允许实时联网后变为 27/40。续跑是在同一会话内提醒剩余预算、继续尝试。进一步剔除同系列模型参与过原始解答、以及解答早于或等于模型截止日期的题，分别是 4/15 和 12/15。

联网确实有用。但汇总不同模型和运行方式，181 次联网成功里，有 167 次访问过已经发表的解答来源。最终证明可以成立，发现过程却与从未知中摸索不同。

检索能力值得算分，只是要知道分算在哪。

实际工作中，已有解法能搜到、能改造成可用结果，本来就是好事。我们不需要 AI 每次修一个报错，都重新发明计算机科学。

但如果目标是寻找新知识，验收就多了一层：除了检查交付物，还要保留它看过什么、做过哪些尝试。只看最后那份漂亮答案，很容易把“找到”算成“发现”。

每个模型在每种实验条件下对每道题只做一次尝试，结果还受题目选择、运行方式和 Lean 形式化能力影响。题目筛选与形式化审查大量使用了 AI。这些因素也应随成绩一起呈现。

---

论文：OpenFrontiers: A Collection of Open Research Problems and a Benchmark for Scientific Rediscovery · 全文
作者：Jiarui Yao、Ruida Wang、Tong Zhang
机构：伊利诺伊大学厄巴纳—香槟分校
提交日期：2026-10-27（arXiv 预印本 v1）