AnswersPublished14 sources
722 matematiske manuskripter fra OpenAI: Hva Lean kan bekrefte
6. oktober publiserte OpenAI 722 manuskripter, gruppert i 372 familier av beslektede resultater. Lean kan kontrollere logikken i et formalisert bevis, men avgjør ikke alene om resultatet er nytt, viktig eller formulert slik at det svarer på det tiltenkte problemet.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- 6. oktober publiserte OpenAI 722 manuskripter, gruppert i 372 familier av beslektede resultater.
- Lean kan kontrollere logikken i et formalisert bevis, men avgjør ikke alene om resultatet er nytt, viktig eller formulert slik at det svarer på det tiltenkte problemet.
- Etter den tidligere påstanden om Navier–Stokes er spørsmål om arbeidsprosess, kreditering og åpenhet fortsatt sentrale.
AI Prompt
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
OpenAIs publisering 6. oktober 2026 gjorde 722 matematiske manuskripter tilgjengelige for offentligheten, ordnet i 372 familier av beslektede resultater. Selskapet sier at arbeidet kommer fra en intern, ikke lansert toppmodell. Medier har omtalt samlingen som arbeid med hundrevis av åpne spørsmål, med løsninger eller betydelig fremgang på flere matematiske områder. Mange av manuskriptene har formaliseringer i Lean, men ikke alle. 4
17
Publiseringen gir matematikere materiale de kan undersøke. Den dokumenterer ikke i seg selv at hvert resultat er nytt, viktig eller riktig avgrenset. Den tidligere påstanden om Navier–Stokes, spørsmål om hvordan resultatene ble til, og grensene for formell verifisering gjør uavhengig gjennomgang avgjørende.
Hva OpenAI publiserte – og hva selskapet hevder
Tallene beskriver ulike ting: 722 manuskripter er samlet i 372 familier av beslektede resultater. Det betyr ikke at det finnes én artikkel eller ett åpent problem per familie. Medieomtale beskriver samlingen som løsninger på, eller betydelig fremgang i, hundrevis av åpne problemer. Før publiseringen hadde OpenAI sagt at den interne modellen hadde løst mer enn 100 langvarige problemer. Dette er selskapets påstander om modellens arbeid, ikke en opptelling av gjennombrudd som er bekreftet uavhengig. 5
OpenAI publiserte også støttemateriale. Ifølge omtale av arkivet inneholder det bevismateriale, et Lean-bibliotek og en oversikt over formaliseringer, samt korte resonnementssammendrag for ti resultater. Det gjør deler av arbeidet lettere å undersøke, men sammendragene dokumenterer ikke hele problemløsningsprosessen for hvert manuskript. 17
Hvor mye kontrollerer Lean?
Ikke alle de 722 manuskriptene er formalisert i Lean. Medieomtale anslår at omtrent halvparten av resultatene er formelt verifisert i Lean, mens andre beskrivelser sier at formaliseringer finnes for mange, men ikke alle, av artiklene. 17
Lean er en bevisassistent: Når et bevis og påstanden det skal bevise, er kodet inn i systemet, kan Lean kontrollere at det formelle beviset følger av de formelle forutsetningene. Det er en nyttig kontroll av det kodede resonnementet. Men Lean avgjør ikke alene om den formaliserte påstanden svarer til det matematiske problemet man egentlig ville løse, om resultatet er nytt, eller hvor viktig det er.
Det er derfor viktig å skille mellom formelle bevis som er kontrollert av en maskin og den bredere faglige vurderingen av et manuskript. Førstnevnte kan styrke tilliten til et formalisert argument. Sistnevnte krever fortsatt at matematikere undersøker definisjoner, sammenheng, tidligere arbeid og betydning.
Derfor er den tidligere Navier–Stokes-påstanden relevant
I september sa OpenAI at et internt system hadde laget en løsning på Navier–Stokes-problemet om eksistens og glatthet, og publiserte et skriftlig bevis og en Lean-formalisering. 2 Påstanden førte til spørsmål om resultatet faktisk svarte på problemet slik matematikere forstår det, og til bekymring for hvilken rolle menneskelige forskeres arbeid hadde spilt, og hvem som skulle få æren.
Medieomtale beskrev det tidligere arbeidet som en innsats med en stor gruppe AI-agenter og millioner av dollar i datakraft. Disse opplysningene gjelder Navier–Stokes-arbeidet – ikke kostnadene ved å lage samlingen som ble publisert i oktober. Kildene her fastslår ikke hvor mye datakraft den nye samlingen krevde, eller hva den kostet totalt.
Historikken gjør flere spørsmål relevante for den nye publiseringen: Hvilket tidligere arbeid bygget hvert resultat på? Hvordan valgte modellen problemer og gikk fram for å løse dem? Hvilke bidrag kom fra mennesker? Manuskriptene og støttematerialet gir et utgangspunkt for å undersøke dette, men det foreliggende materialet besvarer ikke spørsmålene systematisk for hvert resultat.
Åpenhet, reaksjoner og veien videre
OpenAI sier at selskapet rådførte seg med den uavhengige Advisory Group on Mathematics and Artificial Intelligence, som holder til ved Institute for Advanced Study, og brukte gruppens råd og offentlige anbefalinger da resultatene ble publisert. Gruppens anbefalinger handler om hvordan nye matematiske resultater bør vurderes og formidles. 4
Reaksjonene som er omtalt, spriker. Noen matematikere ser omfanget av arbeidet og tilgangen på maskinkontrollerte bevis som potensielt betydningsfullt. Andre understreker behovet for å fastslå originalitet, kreditering og betydning – og hvor krevende det er å vurdere så mange manuskripter på én gang.
OpenAI har sagt at selskapet vil finansiere workshops, konferanser og andre arrangementer rundt resultatene. Medieomtale har også beskrevet en offentlig lansering av den interne modellen som en plan, men kildene her fastsetter ingen konkret tidsplan.
Foreløpig er den mest nøkterne vurderingen at dette er en omfattende forskningspublisering som fortjener grundig gjennomgang, resultat for resultat. Antallet manuskripter er ikke det samme som antallet uavhengig bekreftede oppdagelser, og Lean-formalisering – selv om den er nyttig – avgjør ikke spørsmål om nyhetsverdi, sammenheng eller betydning.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "722 matematiske manuskripter fra OpenAI: Hva Lean kan bekrefte"?
6. oktober publiserte OpenAI 722 manuskripter, gruppert i 372 familier av beslektede resultater.
What are the key points to validate first?
6. oktober publiserte OpenAI 722 manuskripter, gruppert i 372 familier av beslektede resultater. Lean kan kontrollere logikken i et formalisert bevis, men avgjør ikke alene om resultatet er nytt, viktig eller formulert slik at det svarer på det tiltenkte problemet.
What should I do next in practice?
Etter den tidligere påstanden om Navier–Stokes er spørsmål om arbeidsprosess, kreditering og åpenhet fortsatt sentrale.
Sources
openai.comSharing AI progress in mathematics
letsdatascience.comletsdatascience.com · news · openai-publishes-722-aiOpenAI Publishes 722 AI Mathematics Manuscripts