摘要：刚刚来自 Epoch Al 的 Tamay 就其与 OpenAI 合作的 FrontierMath 项目透明度问题发表声明，承认在与 OpenAI 的合作中存在沟通和透明度方面的失误，并承诺未来将改进

刚刚来自 Epoch Al 的 Tamay 就其与 OpenAI 合作的 FrontierMath 项目透明度问题发表声明，承认在与 OpenAI 的合作中存在沟通和透明度方面的失误，并承诺未来将改进

FrontierMath （目前最难的数学测试，陶哲轩是其委员会委员）是一个旨在评估前沿数学模型能力的基准测试项目。Tamay 在声明中表示，Epoch Al 在与 OpenAI 的合作过程中，未能就 OpenAI 的参与程度向基准测试的贡献者，尤其是数学家们，进行充分的透明沟通

具体来说，Tamay 指出以下几个错误：

披露时间过晚： 由于合同限制，Epoch Al 直到 FrontierMath 的第三次迭代（o3）发布前后才被允许披露与 OpenAI 的合作关系。Tamay 承认，他们应该在与 OpenAI 的谈判中更强硬地争取尽早向贡献者披露合作信息的权利

2沟通不一致： 虽然 Epoch Al 向部分数学家透露了他们获得了实验室的资助，但并未系统地向所有参与者说明这一情况，也没有明确指出合作的实验室是 OpenAI。这种不一致的沟通是一个错误

未将透明度作为合作的前提： Tamay 表示，即使受到合同限制，他们也应该将与贡献者的透明度作为与 OpenAI 达成协议的不可协商的一部分。数学家们理应知道谁可能会访问他们的工作成果

Tamay 指出，OpenAI 的相关员工在公开场合将 FrontierMath 描述为“强保留”的评估集，这与他们的理解一致。他进一步强调，保持真正未受污染的测试集对实验室大有裨益

此外，Tamay 还提到，OpenAI 完全支持 Epoch Al 维护一个单独的、未被看到的保留集，作为防止过拟合和确保准确衡量模型进步的额外保障。FrontierMath 从一开始就被设计并呈现为一个评估工具，这些安排也体现了这一目的

Tamay

Tamay from Epoch Al here.

We made a mistake in not being more transparent about OpenAl's involvement. We were restricted from disclosing the partnership until around the time o3 launched, and in hindsight we should have negotiated harder for the ability to be transparent to the benchmark contributors as soon as possible. Our contract specifically prevented us from disclosing information about the funding source and the fact that OpenAl has data access. We own this error and are committed to doing better in the future.

For future collaborations, we will strive to improve transparency wherever possible, ensuring contributors have clearer information about funding sources, data access, and usage purposes at the outset. While we did communicate that we received lab funding to some mathematicians, we didn't do this systematically and did not name the lab we worked with. This inconsistent communication was a mistake. We should have pushed harder for the ability to be transparent about this partnership from the start, particularly with the mathematicians creating the problems.

Getting permission to disclose OpenAl's involvement only around the o3 launch wasn't good enough. Our mathematicians deserved to know who might have access to their work. Even though we were contractually limited in what we could say, we should have made transparency with our contributors a nonnegotiable part of our agreement with OpenAl.

Regarding training usage: We acknowledge that OpenAl does have access to a large fraction of FrontierMath problems and solutions, with the exception of a unseen-by-OpenAl hold-out set that enables us to independently verify model capabilities. However, we have a verbal agreement that these materials will not be used in model training.

Relevant OpenAl employees' public communications have described FrontierMath as a 'strongly held out' evaluation set. While this public positioning aligns with our understanding, I would also emphasize more broadly that labs benefit greatly from having truly uncontaminated test sets.

OpenAl has also been fully supportive of our decision to maintain a separate, unseen holdout set—an extra safeguard to prevent overfitting and ensure accurate progress measurement. From day one, FrontierMath was conceived and presented as an evaluation tool, and we believe these arrangements reflect that purpose.

[Edit: Clarified OpenAl's data access - they do not have access to a separate holdout set that serves as an additional safeguard for independent verification.]

阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”

未来知识库是“欧米伽未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。欢迎扫描二维码或访问进入。

截止到12月25日 ”未来知识库”精选的100部前沿科技趋势报告

2024 美国众议院人工智能报告：指导原则、前瞻性建议和政策提案

未来今日研究所：2024 技术趋势报告 - 移动性，机器人与无人机篇

Deepmind：AI 加速科学创新发现的黄金时代报告

Continental 大陆集团：2024 未来出行趋势调研报告

埃森哲：未来生活趋势 2025

国际原子能机构 2024 聚变关键要素报告 - 聚变能发展的共同愿景

哈尔滨工业大学：2024 具身大模型关键技术与应用报告

爱思唯尔（Elsevier）：洞察 2024：科研人员对人工智能的态度报告

李飞飞、谢赛宁新作「空间智能」 等探索多模态大模型性能

欧洲议会：2024 欧盟人工智能伦理指南：背景和实施

通往人工超智能的道路：超级对齐的全面综述

清华大学：理解世界还是预测未来？世界模型综合综述

Transformer 发明人最新论文：利用基础模型自动搜索人工生命

兰德公司：新兴技术监督框架发展的现状和未来趋势的技术监督报告

麦肯锡全球研究院：2024 年全球前沿动态图表呈现

兰德公司：新兴技术领域的全球态势综述

前瞻：2025 年人形机器人产业发展蓝皮书 - 人形机器人量产及商业化关键挑战

美国国家标准技术研究院（NIST）：2024 年度美国制造业统计数据报告（英文版）

罗戈研究：2024 决策智能：值得关注的决策革命研究报告

美国航空航天专家委员会：2024 十字路口的 NASA 研究报告

中国电子技术标准化研究院 2024 扩展现实 XR 产业和标准化研究报告

GenAI 引领全球科技变革关注 AI 应用的持续探索

国家低空经济融创中心中国上市及新三板挂牌公司低空经济发展报告

2025 年计算机行业年度策略从 Infra 到 AgentAI 创新的无尽前沿

多模态可解释人工智能综述：过去、现在与未来

【斯坦福博士论文】探索自监督学习中对比学习的理论基础

《机器智能体的混合认知模型》最新 128 页

Open AI 管理 AI 智能体的实践

未来生命研究院 FLI2024 年 AI 安全指数报告 英文版

兰德公司 2024 人工智能项目失败的五大根本原因及其成功之道 - 避免 AI 的反模式 英文版

Linux 基金会 2024 去中心化与人工智能报告 英文版

脑机接口报告脑机接口机器人中的人机交换

联合国贸发会议 2024 年全球科技创新合作促发展研究报告 英文版

Linux 基金会 2024 年世界开源大会报告塑造人工智能安全和数字公共产品合作的未来 英文版

Gartner2025 年重要战略技术趋势报告 英文版

Fastdata 极数 2024 全球人工智能简史

中电科：低空航行系统白皮书，拥抱低空经济

迈向科学发现的生成式人工智能研究报告：进展、机遇与挑战

哈佛博士论文：构建深度学习的理论基础：实证研究方法

Science 论文：面对 “镜像生物” 的风险

镜面细菌技术报告：可行性和风险

Neurocomputing 不受限制地超越人类智能的人工智能可能性

166 页 - 麦肯锡：中国与世界 - 理解变化中的经济联系（完整版）

未来生命研究所：《2024 人工智能安全指数报告》

德勤：2025 技术趋势报告 空间计算、人工智能、IT 升级。

2024 世界智能产业大脑演化趋势报告（12 月上）公开版

联邦学习中的成员推断攻击与防御：综述

兰德公司 2024 人工智能和机器学习在太空领域感知中的应用 - 基于两项人工智能案例英文版

Wavestone2024 年法国工业 4.0 晴雨表市场趋势与经验反馈 英文版

Salesforce2024 年制造业趋势报告 - 来自全球 800 多位行业决策者对运营和数字化转型的洞察 英文版

MicrosoftAzure2024 推动应用创新的九大 AI 趋势报告

DeepMind：Gemini，一个高性能多模态模型家族分析报告

模仿、探索和自我提升：慢思维推理系统的复现报告

自我发现：大型语言模型自我组成推理结构

2025 年 101 项将 (或不会) 塑造未来的技术趋势白皮书

《自然杂志》2024 年 10 大科学人物推荐报告

量子位智库：2024 年度 AI 十大趋势报告

华为：鸿蒙 2030 愿景白皮书（更新版）

电子行业专题报告：2025 年万物 AI 面临的十大待解难题 - 241209

中国信通院《人工智能发展报告（2024 年）》

美国安全与新兴技术中心：《追踪美国人工智能并购案》报告

Nature 研究报告：AI 革命的数据正在枯竭，研究人员该怎么办？

NeurIPS 2024 论文：智能体不够聪明怎么办？让它像学徒一样持续学习

LangChain 人工智能代理（AI agent）现状报告

普华永道：2024 半导体行业状况报告发展趋势与驱动因素

觅途咨询：2024 全球人形机器人企业画像与能力评估报告

美国化学会 (ACS)：2024 年纳米材料领域新兴趋势与研发进展报告

GWEC：2024 年全球风能报告英文版

Chainalysis：2024 年加密货币地理报告加密货币采用的区域趋势分析

2024 光刻机产业竞争格局国产替代空间及产业链相关公司分析报告

世界经济论坛：智能时代，各国对未来制造业和供应链的准备程度

兰德：《保护人工智能模型权重：防止盗窃和滥用前沿模型》-128 页报告

经合组织 成年人是否具备在不断变化的世界中生存所需的技能 199 页报告

医学应用中的可解释人工智能：综述

复旦最新《智能体模拟社会》综述

《全球导航卫星系统（GNSS）软件定义无线电：历史、当前发展和标准化工作》最新综述

《基础研究，致命影响：军事人工智能研究资助》报告

欧洲科学的未来 - 100 亿地平线研究计划

Nature：欧盟正在形成一项科学大型计划

Nature 欧洲科学的未来

欧盟科学 —— 下一个 1000 亿欧元

欧盟向世界呼吁 加入我们价值 1000 亿欧元的研究计划

DARPA 主动社会工程防御计划（ASED）《防止删除信息和捕捉有害行为者（PIRANHA）》技术报告

兰德《人工智能和机器学习用于太空域感知》72 页报告

构建通用机器人生成范式：基础设施、扩展性与策略学习（CMU 博士论文）

世界贸易组织 2024 智能贸易报告 AI 和贸易活动如何双向塑造 英文版

人工智能行业应用建设发展参考架构

波士顿咨询 2024 年欧洲天使投资状况报告 英文版

2024 美国制造业计划战略规划

【新书】大规模语言模型的隐私与安全

人工智能行业海外市场寻找 2025 爆款 AI 应用 - 241204

美国环保署 EPA2024 年版汽车趋势报告英文版

经济学人智库 EIU2025 年行业展望报告 6 大行业的挑战机遇与发展趋势 英文版

华为 2024 迈向智能世界系列工业网络全连接研究报告

华为迈向智能世界白皮书 2024 - 计算

华为迈向智能世界白皮书 2024 - 全光网络

华为迈向智能世界白皮书 2024 - 数据通信

华为迈向智能世界白皮书 2024 - 无线网络

安全牛 AI 时代深度伪造和合成媒体的安全威胁与对策 2024 版

2024 人形机器人在工业领域发展机遇行业壁垒及国产替代空间分析报告

《2024 年 AI 现状分析报告》2-1-3 页.zip

万物智能演化理论，智能科学基础理论的新探索 - newv2

世界经济论坛 智能时代的食物和水系统研究报告

生成式 AI 时代的深伪媒体生成与检测：综述与展望

科尔尼 2024 年全球人工智能评估 AIA 报告追求更高层次的成熟度规模化和影响力英文版

计算机行业专题报告 AI 操作系统时代已至 - 241201

Nature 人工智能距离人类水平智能有多近？

Nature 开放的人工智能系统实际上是封闭的

斯坦福《统计学与信息论》讲义，668 页 pdf

国家信息中心华为城市一张网 2.0 研究报告 2024 年

国际清算银行 2024 生成式 AI 的崛起对美国劳动力市场的影响分析报告 渗透度替代效应及对不平等状况英文版

大模型如何判决？从生成到判决：大型语言模型作为裁判的机遇与挑战

毕马威 2024 年全球半导体行业展望报告

MR 行业专题报告 AIMR 空间计算定义新一代超级个人终端 - 241119

DeepMind 36 页 AI4Science 报告：全球实验室被「AI 科学家」指数级接管

《人工智能和机器学习对网络安全的影响》最新 273 页

2024 量子计算与人工智能无声的革命报告

未来今日研究所：2024 技术趋势报告 - 广义计算篇

科睿唯安中国科学院 2024 研究前沿热度指数报告

文本到图像合成：十年回顾

《以人为中心的大型语言模型（LLM）研究综述》

经合组织 2024 年数字经济展望报告加强连通性创新与信任第二版

波士顿咨询 2024 全球经济体 AI 成熟度矩阵报告 英文版

理解世界还是预测未来？世界模型的综合综述

GoogleCloudCSA2024AI 与安全状况调研报告 英文版

英国制造商组织 MakeUK2024 英国工业战略愿景报告从概念到实施

花旗银行 CitiGPS2024 自然环境可持续发展新前沿研究报告

国际可再生能源署 IRENA2024 年全球气候行动报告

Cell: 物理学和化学 、人工智能知识领域的融合

智次方 2025 中国 5G 产业全景图谱报告

上下滑动查看更多

来源：人工智能学家