人工智能在科研領域的突破引發持續關注，OpenAI近日發布全新評測體系FrontierScience，試圖通過物理、化學、生物三大基礎學科的博士級難題，檢驗AI系統能否突破知識記憶層面，實現真正的科學推理能力。這項測試顯示，當前最先進的AI模型在復雜科研場景中仍存在顯著短板，距離成為獨立科研主體仍有較大差距。
該評測體系包含700余道文本型題目，分為競賽賽道與研究賽道兩大模塊。競賽賽道聚焦約束條件下的精準推理，要求答案簡潔明確；研究賽道則模擬真實科研場景，設置開放性問題并采用10分制評分標準。其中160道"黃金組"題目已對外開源，其余題目作為數據污染追蹤保留。測試團隊特別強調，所有題目均經過嚴格篩選，確保OpenAI自家模型無法通過預先訓練數據直接作答。
在題目設計層面，科研團隊展現了跨學科協作的深度。競賽賽道與42位國際奧賽獎牌得主及國家隊教練合作，累計涵蓋109枚國際獎項；研究賽道則由45位活躍科研人員參與命題，覆蓋量子電動力學、合成有機化學、進化生物學等前沿領域。這種設計使得評測體系既具備專業深度，又能反映真實科研場景的復雜性。
評測結果顯示，GPT-5.2在競賽賽道取得77%的準確率，研究賽道得分25%，綜合表現領先其他模型。Gemini 3 Pro以76%的競賽成績緊隨其后。但深入分析錯誤類型發現，AI系統普遍存在推理邏輯漏洞、冷門概念混淆、計算過程失誤等問題。值得注意的是，當模型被賦予更長的思考時間時，準確率呈現明顯提升趨勢，這為后續優化提供了重要方向。
OpenAI坦言當前評測體系的局限性：標準化題目設計雖能提升評估效率，但難以完全還原科研工作的動態過程。特別是對于假設生成能力、多模態數據處理、實驗系統交互等關鍵科研環節，現有評測尚未形成有效覆蓋。研究團隊正在開發迭代版本，計劃納入更多真實世界評估指標，重點觀察AI系統對科研效率的實際提升作用。
這項研究引發學界對AI科研定位的深入思考。盡管AI已在國際數學奧林匹克競賽等標準化測試中達到金牌水平，但科研創新需要突破既有知識框架的能力。當前AI系統更擅長在已知領域進行高效推理，而在提出全新假設、設計原創實驗方案等創造性環節仍依賴人類指導。如何讓AI系統從"解題高手"進化為"問題發現者"，將成為下一階段技術突破的關鍵方向。
