内容摘要
这场对谈的核心判断是：AI 在数学上的突破不会由单一“终极 benchmark”定义，而会逐步从解题推进到连通领域、发明概念、重塑研究流程。真正难题不只是“能否证明”，而是“能否提出值得研究的问题，并把结果压缩成人类可理解的思想”。
关键观点
IMO 金牌不是 AGI，只是又一个被跨越的门槛
访谈回顾了三年前一个曾显得极具决定性的判断：如果 AI 能拿到 IMO 金牌，那是否就等同于 AGI。Grant 认为，这类判断高估了单一 benchmark 的代表性，因为 AI 的能力增长通常不会在某个节点突然变成“无所不能”。数学的确处在 AI 进步最尖锐的前沿，但前沿内部并不均匀，而是继续分裂成更细的能力层。结果是，旧门槛被跨越之后，社会只会继续追问下一个更难、也更模糊的门槛。
为什么重要: 这改变了我们理解 AI 进步的方式：与其寻找一锤定音的时刻，不如观察能力如何在不同子领域不均衡扩散。对政策、科研和职业判断来说，这比执着于“是否已经 AGI”更有操作性。
支撑证据
You said it'll be another benchmark, like all these other benchmarks that AI are passing.
数学前沿并不统一，几何已高度可解，组合仍更像创造力保留地
Grant 用 IMO 的四类题型说明，所谓“AI 会不会做数学”这个问题太粗。几何题在当前系统里已经接近暴力求解，甚至可以在极短时间内完成；但组合题仍然更像开放的、带有游戏感的谜题，模型表现明显不稳定。换言之，数学内部的难度结构比外界想象得更不平滑。所谓“最后的人类堡垒”并不是整个数学，而可能只是其中少数高创造性区域。