我们对10个First Proof问题进行了内部测试，以评估AI系统的证明能力。专家反馈显示模型在多个问题上表现良好。我们正在训练新模型以提升推理严谨性，并与ChatGPT进行验证。期待未来与社区深入交流，评估研究级推理能力。