उत्तरप्रकाशित14 स्रोत
OpenAI के 722 गणितीय पांडुलिपि-पत्र: Lean क्या जाँचता है—और क्या नहीं
6 अक्टूबर को OpenAI ने अपने अप्रकाशित आंतरिक फ्रंटियर मॉडल से तैयार 722 पांडुलिपियाँ जारी कीं। इन्हें 372 संबंधित नतीजा समूहों में बाँटा गया है। Lean औपचारिक रूप में लिखे गए प्रमाण की तर्क श्रृंखला जाँच सकता है, लेकिन अकेले यह नहीं बताता कि नतीजा नया है या औपचारिक कथन असल गणितीय समस्या को सही तरह दर्शाता है। Navier–...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- 6 अक्टूबर को OpenAI ने अपने अप्रकाशित आंतरिक फ्रंटियर मॉडल से तैयार 722 पांडुलिपियाँ जारी कीं। इन्हें 372 संबंधित नतीजा समूहों में बाँटा गया है।
- Lean औपचारिक रूप में लिखे गए प्रमाण की तर्क श्रृंखला जाँच सकता है, लेकिन अकेले यह नहीं बताता कि नतीजा नया है या औपचारिक कथन असल गणितीय समस्या को सही तरह दर्शाता है।
- Navier–Stokes पर OpenAI के पहले दावे के बाद लेखकीय श्रेय, प्रक्रिया और पारदर्शिता को लेकर सवाल और अहम हो गए हैं। हर नतीजे की स्वतंत्र समीक्षा अब भी ज़रूरी है।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What did OpenAI release on Oct. 6 from its unreleased frontier model—including the number and range of mathematical manuscripts, their claim. Article summary: On October 6, OpenAI published **722 mathematical manuscripts in 372 related result families** from an unreleased internal frontier model. It presents them as results across many areas of mathematics, including work on l. Topic tags: general, general web, academic, news, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks
6 अक्टूबर 2026 को OpenAI ने 722 गणितीय पांडुलिपियाँ सार्वजनिक कीं, जिन्हें 372 संबंधित नतीजा-समूहों में रखा गया है। कंपनी के मुताबिक, यह काम उसके एक अप्रकाशित आंतरिक फ्रंटियर मॉडल ने किया। मीडिया रिपोर्टों के अनुसार, संग्रह में गणित के कई क्षेत्रों के सैकड़ों खुले सवालों पर समाधान या उल्लेखनीय प्रगति के दावे शामिल हैं। कई पांडुलिपियों के Lean औपचारिक प्रमाण भी हैं, लेकिन सभी के नहीं। 4
17
यह सामग्री गणितज्ञों को दावों की जाँच का आधार देती है। लेकिन केवल पांडुलिपियाँ जारी कर देने से यह साबित नहीं होता कि हर नतीजा नया, महत्वपूर्ण या सही गणितीय समस्या के अनुरूप है। Navier–Stokes पर पहले किए गए दावे, नतीजे तैयार करने की प्रक्रिया से जुड़े सवाल और औपचारिक सत्यापन की सीमाएँ—इन सबके चलते स्वतंत्र समीक्षा अहम है।
OpenAI ने क्या जारी किया, और उसका दावा क्या है?
ये दोनों आँकड़े अलग बातें बताते हैं: 722 पांडुलिपियाँ हैं, जिन्हें 372 संबंधित नतीजा-समूहों में रखा गया है। इन्हें न तो 722 अलग-अलग समस्याओं की गिनती समझना चाहिए, न 372 स्वतंत्र शोध-पत्रों या खुली समस्याओं की। मीडिया कवरेज ने संग्रह को सैकड़ों खुले सवालों पर समाधान या पर्याप्त प्रगति के रूप में पेश किया। इससे पहले OpenAI ने कहा था कि उसके आंतरिक मॉडल ने गणित के कई क्षेत्रों में 100 से अधिक पुराने खुले सवाल हल किए हैं। ये मॉडल के काम के बारे में कंपनी के दावे हैं—स्वतंत्र रूप से पुष्ट नई खोजों की गिनती नहीं। 5
OpenAI ने सहायक सामग्री भी प्रकाशित की है। संग्रह की रिपोर्टिंग के मुताबिक, इसमें प्रमाण-संबंधी फाइलें, Lean लाइब्रेरी, औपचारिक प्रमाणों की सूची और 10 नतीजों के संक्षिप्त तर्क-सार शामिल हैं। इससे कुछ काम की पड़ताल करना आसान होता है, लेकिन उपलब्ध सारांश हर पांडुलिपि के लिए समस्या हल करने की पूरी प्रक्रिया नहीं बताते। 17
Lean कितनी जाँच करता है?
722 में से सभी पांडुलिपियों के Lean औपचारिक प्रमाण उपलब्ध नहीं हैं। रिपोर्टों में कहा गया है कि लगभग आधे नतीजों का Lean में औपचारिक सत्यापन किया गया है; दूसरी कवरेज के मुताबिक, कई—लेकिन सभी नहीं—पांडुलिपियों के औपचारिक प्रमाण मौजूद हैं। 17
Lean एक प्रूफ असिस्टेंट है। जब किसी प्रमेय के कथन और उसके प्रमाण को इस प्रणाली में औपचारिक रूप से लिखा जाता है, तो Lean जाँच सकता है कि प्रमाण, दर्ज की गई मान्यताओं से तार्किक रूप से निकलता है या नहीं। औपचारिक किए गए तर्क की जाँच के लिए यह एक उपयोगी तरीका है। लेकिन इससे अपने-आप यह तय नहीं होता कि औपचारिक कथन उस गणितीय समस्या से मेल खाता है जिसे हल करने का दावा किया गया है, नतीजा पहले से ज्ञात तो नहीं, या उसका महत्व कितना है।
इसलिए मशीन से जाँचे गए औपचारिक प्रमाण और किसी पांडुलिपि का व्यापक शैक्षणिक मूल्यांकन अलग बातें हैं। औपचारिक जाँच प्रमाण पर भरोसा बढ़ा सकती है; नवीनता, संदर्भ और महत्व पर राय बनाने के लिए गणितज्ञों को परिभाषाएँ, पहले का शोध और समस्या का पूरा संदर्भ देखना होगा।
पहले का Navier–Stokes दावा क्यों मायने रखता है?
सितंबर में OpenAI ने कहा था कि उसके आंतरिक सिस्टम ने Navier–Stokes अस्तित्व और स्मूदनेस समस्या का समाधान निकाला है। कंपनी ने लिखित प्रमाण और उसका Lean औपचारिक रूप भी जारी किया था। 2 इस दावे पर यह सवाल उठा कि नतीजा गणितज्ञों की समझ के अनुसार समस्या को हल करता है या नहीं। मानव शोधकर्ताओं के काम की भूमिका और श्रेय को लेकर भी चिंताएँ सामने आईं।
रिपोर्टों में पहले के Navier–Stokes प्रयास को बड़ी संख्या में समानांतर काम करने वाले AI एजेंटों और लाखों डॉलर के कंप्यूटिंग खर्च से जोड़ा गया। ये विवरण उसी प्रयास के बारे में हैं—अक्टूबर में जारी पांडुलिपियों के संग्रह की लागत के बारे में नहीं। यहाँ उद्धृत सामग्री नए संग्रह में हुए कंप्यूटिंग इस्तेमाल या उसकी कुल लागत की पुष्टि नहीं करती।
यह पृष्ठभूमि नए संग्रह को लेकर कुछ व्यावहारिक सवाल खड़े करती है: हर नतीजे के पीछे पहले का कौन-सा शोध था? मॉडल ने समस्याएँ कैसे चुनीं और उन पर काम कैसे किया? मानव शोधकर्ताओं का क्या योगदान रहा? पांडुलिपियाँ और सहायक फाइलें पड़ताल शुरू करने का आधार देती हैं, लेकिन उपलब्ध जानकारी हर नतीजे के लिए इन सवालों का व्यवस्थित जवाब नहीं देती।
पारदर्शिता, प्रतिक्रियाएँ और आगे की राह
OpenAI का कहना है कि उसने Institute for Advanced Study में आयोजित स्वतंत्र Advisory Group on Mathematics and Artificial Intelligence से सलाह ली और नतीजे जारी करने के तरीके तय करते समय उसकी सलाह और सार्वजनिक सिफारिशों को ध्यान में रखा। समूह की सिफारिशें इस बात पर केंद्रित हैं कि गणित में उभरते नतीजों की समीक्षा और उनकी जानकारी साझा कैसे की जाए। 4
अब तक सामने आई गणितज्ञों की प्रतिक्रियाएँ एक जैसी नहीं हैं। कुछ लोगों की नज़र में काम का बड़ा दायरा और मशीन से जाँचे गए प्रमाणों की उपलब्धता महत्वपूर्ण हो सकती है। वहीं, दूसरे लोग नवीनता, श्रेय और महत्व तय करने की ज़रूरत पर ज़ोर देते हैं—खासकर तब, जब एक साथ इतनी सारी पांडुलिपियों की समीक्षा करनी हो।
OpenAI ने कहा है कि वह इन नतीजों पर कार्यशालाओं, सम्मेलनों और अन्य कार्यक्रमों के लिए फंड देगा। रिपोर्टों में आंतरिक मॉडल को सार्वजनिक करने की मंशा का भी ज़िक्र है, लेकिन यहाँ उपलब्ध स्रोतों से इसकी कोई पक्की समय-सीमा स्थापित नहीं होती।
फिलहाल सबसे संतुलित निष्कर्ष यही है कि यह एक बड़ा शोध-संग्रह है, जिसकी हर पांडुलिपि और नतीजे की सावधानी से अलग-अलग जाँच होनी चाहिए। पांडुलिपियों की संख्या स्वतंत्र रूप से सत्यापित खोजों की संख्या नहीं है; और Lean से मिला सत्यापन उपयोगी होने के बावजूद नवीनता, संदर्भ या महत्व के सवालों का अंतिम जवाब नहीं देता।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"OpenAI के 722 गणितीय पांडुलिपि-पत्र: Lean क्या जाँचता है—और क्या नहीं" का संक्षिप्त उत्तर क्या है?
6 अक्टूबर को OpenAI ने अपने अप्रकाशित आंतरिक फ्रंटियर मॉडल से तैयार 722 पांडुलिपियाँ जारी कीं। इन्हें 372 संबंधित नतीजा समूहों में बाँटा गया है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
6 अक्टूबर को OpenAI ने अपने अप्रकाशित आंतरिक फ्रंटियर मॉडल से तैयार 722 पांडुलिपियाँ जारी कीं। इन्हें 372 संबंधित नतीजा समूहों में बाँटा गया है। Lean औपचारिक रूप में लिखे गए प्रमाण की तर्क श्रृंखला जाँच सकता है, लेकिन अकेले यह नहीं बताता कि नतीजा नया है या औपचारिक कथन असल गणितीय समस्या को सही तरह दर्शाता है।
मुझे अभ्यास में आगे क्या करना चाहिए?
Navier–Stokes पर OpenAI के पहले दावे के बाद लेखकीय श्रेय, प्रक्रिया और पारदर्शिता को लेकर सवाल और अहम हो गए हैं। हर नतीजे की स्वतंत्र समीक्षा अब भी ज़रूरी है।
सूत्र
openai.comSharing AI progress in mathematics
letsdatascience.comletsdatascience.com · news · openai-publishes-722-aiOpenAI Publishes 722 AI Mathematics Manuscripts