本为前沿AI难点基准的FrontierMath，经Epoch的AI辅助复审发现1-4档约三分之一有致命错误，Noam Brown确认初始标记来自GPT-5.5，需等待修正后分数。网友调侃AI反向审核试题，提及过往AI基准多有错，也引发相关讨论与争议。