Epoch AI: GPT-5.4 Pro가 프론티어 수학 난제를 최초로 해결
Epoch confirms GPT5.4 Pro solved a frontier math open problem
TL;DR Highlight
GPT-5.4 Pro가 FrontierMath의 미해결 문제(라므지 스타일 하이퍼그래프)를 최초 해결했으며, Opus 4.6과 Gemini 3.1 Pro도 후속 검증에서 이를 풀어냈다.
Who Should Read
AI 능력 발전 추이를 추적하는 연구자, 수학 AI 벤치마크에 관심 있는 ML 엔지니어
Core Mechanics
- GPT-5.4 Pro가 Epoch AI FrontierMath의 "중간 정도로 흥미로운" 카테고리 오픈 문제를 최초 해결 — 문제 기여자 교수가 공식 확인 및 학술 출판 예정
- 이후 일반 스캐폴드 적용 시 Opus 4.6 (max), Gemini 3.1 Pro, GPT-5.4 (xhigh)도 동일 문제 해결 — 프론티어 모델들의 광범위한 수학 능력 향상 확인
- HN 토론: "LLM은 훈련 데이터 리믹서라 새 아이디어 불가" 주장에 대해 댓글들이 구체적 반례 제시 — 노벨티 여부 논쟁 여전히 진행 중
Evidence
- Epoch AI 공식 확인: 문제 기여자 Will Brian(UNC Charlotte 교수)이 해결 유효성 검증, 학술 출판 계획
- Opus 4.6은 약 250K 토큰 소비 — 토큰 소비량이 문제 난이도 프록시로 기능할 가능성
How to Apply
- AI 모델 수학 능력 벤치마킹 시 FrontierMath Open Problems 참고 (epoch.ai/frontiermath/open-problems)
- 프론티어 모델들의 실제 능력 한계를 파악할 때 단순 벤치마크보다 미해결 문제 도전 방식 활용
Terminology
관련 논문
LLM이 TLA+로 실제 시스템을 제대로 모델링할 수 있을까? — SysMoBench 벤치마크
LLM이 TLA+ 명세를 작성할 때 문법은 잘 통과하지만 실제 시스템과의 동작 일치도(conformance)는 46% 수준에 그친다는 걸 체계적으로 검증한 벤치마크 연구로, AI 기반 형식 검증의 현실적 한계를 보여준다.
Natural Language Autoencoders: Claude의 내부 활성화를 자연어 텍스트로 변환하는 기법
Anthropic이 LLM 내부의 숫자 벡터(활성화값)를 직접 읽을 수 있는 자연어로 변환하는 NLA 기법을 공개했다. AI가 실제로 무슨 생각을 하는지 해석하는 interpretability 연구의 새로운 진전이다.
ProgramBench: LLM이 프로그램을 처음부터 다시 만들 수 있을까?
LLM이 FFmpeg, SQLite, PHP 인터프리터 같은 실제 소프트웨어를 문서만 보고 처음부터 재구현할 수 있는지 측정하는 새 벤치마크로, 최고 모델도 전체 태스크의 3%만 95% 이상 통과하는 수준에 그쳤다.
MOSAIC-Bench:코딩 에이전트의 Compositional Vulnerability 유도 측정
티켓 3장으로 쪼개면 Claude/GPT도 보안 취약점 코드를 53~86% 확률로 그냥 짜준다.
LLM의 거절(Refusal) 동작은 단 하나의 방향(Direction)으로 제어된다
13개의 오픈소스 채팅 모델을 분석했더니, 모델이 유해한 요청을 거절하는 동작이 내부 활성화 공간에서 단 하나의 1차원 벡터 방향으로 인코딩되어 있었다. 이 방향을 제거하면 안전 파인튜닝이 사실상 무력화되므로, 현재 안전 학습 방식이 얼마나 취약한지 보여준다.
LLM의 구조화된 출력(Structured Output)을 테스트하는 새 벤치마크 SOB 공개
스키마 준수 여부만 보던 기존 벤치마크의 한계를 넘어, 실제 값의 정확도까지 7가지 지표로 평가하는 Structured Output Benchmark(SOB)가 공개됐다. 인보이스 파싱, 의료 기록 추출처럼 JSON 출력의 정확성이 중요한 프로덕션 시스템에서 어떤 모델을 써야 할지 판단하는 데 직접적으로 참고할 수 있다.