我们正对 FrontierMath（第1至第4层级）进行一项AI辅助审查。这项审查已标记出约三分之一的问题存在致命错误，并且我们认为其中大多数标记是有效的。在完成彻底的人工审查后，我们将发布针对修正后数据集的最新得分。