2025 年国際数学オリンピックで、最新の実験的推論 LLM による金メダルレベルの成績を収めました。 モデルは、人間と同じルール(例:セッションあたり4.5時間、ツールなし)の下で自然言語で動作(つまり、自然言語証明を出力します)。 素晴らしいマイルストーン!

最も注目すべきは、このシステムが強化学習とテスト時間計算のスケーリングを使用する非常に一般的なアプローチを使用していることです。