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
Mindwalk – 코딩 에이전트 세션을 코드베이스 3D 맵 위에서 재생하는 시각화 도구
Claude Code나 Codex 같은 AI 코딩 에이전트가 세션 중 코드베이스의 어떤 파일을 탐색하고 수정했는지를 3D 지도 형태로 시각화해서 재생해주는 로컬 도구다. 에이전트가 작업을 어떻게 이해했는지 한눈에 파악할 수 있다.
Ghost Font: 사람은 읽을 수 있지만 AI는 읽기 어려운 안티-AI 폰트 실험
움직임(모션)을 이용해 글자를 표현해서 AI 모델이 정적 이미지 분석으로는 메시지를 해독하지 못하게 막는 실험적 프로젝트인데, 커뮤니티에서는 이미 GPT-5.6, Claude Opus 등으로 해독에 성공한 사례가 속출해 실효성 논쟁이 뜨겁다.
GPT-5.6, Grok 4.5, Claude, Muse Spark 등 12개 모델이 동일한 앱 4개를 빌드한 결과 비교
12개 LLM 모델에게 레이캐스터 미로, 루빅스 큐브, 계산기, Game of Life 앱을 각각 5번씩 만들게 해서 성공률·비용·속도를 비교한 실전 벤치마크다. GPT-5.6 Sol이 전반적으로 가장 일관된 결과를 냈고, Grok 4.5는 가성비 면에서 눈에 띄었다.
Databricks가 수백만 라인 실제 코드베이스로 Coding Agent를 벤치마킹한 결과
Databricks가 자사 실제 코드베이스를 기반으로 여러 AI 코딩 에이전트의 성능과 비용을 직접 측정했고, 모델 토큰 가격과 실제 태스크 비용이 전혀 다르다는 점, 그리고 오픈소스 모델이 이제 최상위 수준에 도달했다는 점을 확인했다.
Reasoning에서 Uncertainty 추정하기: LLM의 다국어 및 교차언어 MCQA 성능 대규모 연구
LLM이 저자원 언어 질문을 받을 때 영어로 추론하게 하면 불확실성 추정 성능이 고자원 언어 수준으로 올라온다.
LLM-as-a-Verifier: 범용 Verification 프레임워크
LLM의 토큰 확률 분포를 활용해 discrete 점수 대신 continuous 점수를 뽑아내면, 추가 학습 없이 코딩·로봇·의료 에이전트 평가 정확도를 SOTA로 끌어올릴 수 있다.