小编最近在逛 NEAR 的 Github 时发现了一个有趣的东西： NEAR AI 团队开源了一项测试，他们用中国开源大模型 DeepSeek，成功解出了6… · @TechFlowPost · TwKit

@TechFlowPost

小编最近在逛 NEAR 的 Github 时发现了一个有趣的东西： NEAR AI 团队开源了一项测试，他们用中国开源大模型 DeepSeek，成功解出了672道极具难度的数学证明题。 问了一下AI发现，这些题目叫做 PutnamBench，是北美最顶级的大学生数学竞赛题。 简单来说，能通关这个测试，说明 AI 具备了极其严密的逻辑推导能力。 根据 @MSBIntel 的报道，NEAR 的这套方案跑完全部 672 道题，平均每题的成本只要 0.17 美元，总共才花了 110 美元出头。 作为对比，同样拿到满分的其他方案中，使用 OpenAI 模型的单题均价高达 44.5 美元，Claude 也要 3.52 美元。 一个公链整这些高端的数学题干啥呢？ 其实费大劲让 AI 去做数学逻辑证明，真正的目标是智能合约的安全审计，即技术上说的形式化验证。 比如用数学逻辑去一行行检查代码有没有漏洞，如果可用低成本的开源 AI 算力，把代码的验证门槛，打到几毛钱白菜价的话； 未来项目甚至普通开发者，或许也能用极低的成本保障和审计自己的合约不出安全事故。 虽然这跟 near:native 的币价没啥直接联系，但也算是一种项目方在做事的迹象。

曝光 2307 · 评论 5 · 点赞 3 · 书签 1