ОтветыОпубликовано15 источники
Что показывают 722 математические рукописи OpenAI о проверке доказательств
В публикацию OpenAI от 6 октября 2026 года вошли 722 рукописи, объединённые в 372 семейства результатов. По данным OpenAI, на один результат в среднем приходилось около трёх часов вычислений.
ОпубликовалОтредактировано с помощью GPT-6 LunaИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- В публикацию OpenAI от 6 октября 2026 года вошли 722 рукописи, объединённые в 372 семейства результатов.
- По данным OpenAI, на один результат в среднем приходилось около трёх часов вычислений.
Промпт ИИ
openai.comCreate a landscape editorial hero image for this Studio Global article: What does the scrutiny of OpenAI’s October 6 release of 722 AI-generated mathematical manuscripts in 372 result families reveal about the re. Article summary: The scrutiny shows both the promise and the verification bottleneck of AI-assisted mathematics: an unreleased model can produce substantial work quickly, but a computer-checked proof does not automatically validate the s. Topic tags: general, academic, general web, user generated, education. 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, water
Публикация OpenAI от 6 октября 2026 года — 722 математические рукописи, сгруппированные в 372 семейства результатов, — наглядно показывает, насколько масштабной может быть помощь ИИ в исследованиях. Но вместе с этим возникает важный вопрос: что именно проверяет компьютер, когда успешно проходит формальное доказательство? Система может проверить записанный в специальном языке аргумент, однако исследователям всё равно нужно убедиться, что этот аргумент соответствует утверждению в статье. Поэтому перед нами массив материалов для проверки, а не 722 независимо подтверждённых открытия. 12
7
Большая публикация — ещё не список подтверждённых результатов
OpenAI сообщает, что рукописи подготовила внутренняя модель, которая пока не выпущена публично. По оценке компании, на один результат в среднем уходило около трёх часов вычислений; в ходе оценки модели предложили примерно 4 000 задач. Эти цифры описывают масштаб работы и заявленные затраты вычислений, но сами по себе ничего не доказывают ни о правильности, ни о значимости каждого результата. 1
3
7
Кроме того, рукописи объединены в семейства результатов. Поэтому число 722 нельзя трактовать как количество совершенно независимых и уже проверенных прорывов. Каждый отдельный вывод нужно оценивать по его доказательству и тому, выдерживает ли он математическую экспертизу. 7
12
Пример с уравнениями Навье — Стокса: важно, чтобы доказательства совпадали
Один из конкретных вопросов, возникших при обсуждении более ранней работы OpenAI о Навье — Стоксе, связан с леммой 8.6. В версии для чтения человеком оценка сформулирована с условием регулярности, включающим производные до порядка m + 4. В соответствующей версии на Lean фигурирует m + 5. Требование дополнительной производной означает, что формальная оценка слабее: она предполагает более строгие условия и напрямую не подтверждает утверждение в том виде, как оно записано в рукописи. 2
Само по себе это расхождение не доказывает, что одна из версий неверна, и не решает вопрос о результате в целом. Но успешную компьютерную проверку нельзя автоматически считать подтверждением более сильного утверждения из текста. Проверяющим необходимо сопоставить то, что заявлено в статье, с тем, что именно закодировано в формальном доказательстве. 2
Это общий урок формальной верификации: помощник по доказательствам проверяет утверждение, записанное на его формальном языке. Чтобы убедиться, что это утверждение точно перенесено из статьи, нужно отдельно проверить сам перевод. Несоответствие — повод для внимательного разбора, но не доказательство намеренного ослабления результата и не основание считать, что та же проблема есть во всех доказательствах, созданных ИИ. 2
Вычисления могут быть быстрыми, а проверка — трудоёмкой
Средние три часа вычислений на результат, о которых сообщает OpenAI, дают представление о темпе работы системы. Отдельно в материалах о более ранней работе над Навье — Стоксом сообщалось, что агенты работали около 88 часов. Речь идёт о разных проектах; ни одна из этих цифр не показывает, сколько времени потребуется независимым математикам, чтобы проверить полученные аргументы. 1
3
7
По сообщениям, команда потратила около двух недель на изучение более раннего доказательства по Навье — Стоксу. Это не была двухнедельная проверка всей подборки, опубликованной 6 октября: на тот момент она только появилась. Создать рукопись и независимо проверить её математику — разные задачи, а публикация такого масштаба создаёт серьёзную нагрузку на экспертов. 2
Lean помогает проверять доказательство, но не отвечает на все вопросы
Формализация на Lean позволяет программно проверять логические шаги, записанные в соответствующей системе. Однако результаты OpenAI находятся на разных стадиях проверки, и не у каждой рукописи есть версия на Lean. Компания заявляет, что будет добавлять такие формализации по мере их подготовки. 7
12
Даже если формальный код существует и успешно проходит проверку, остаются вопросы: доказывает ли он то же утверждение, что и рукопись, и представляет ли результат математический интерес? Чтобы понять, как аргумент соотносится с предыдущими работами, тоже нужна человеческая оценка. Одна лишь успешная проверка в Lean этих вопросов не снимает. 2
7
Главный вывод
Публикация показывает, что ИИ способен производить математические материалы в большом масштабе, но не заменяет математическую экспертизу. Каждый результат нужно оценивать отдельно: точно установить, что именно утверждается, сравнить текст доказательства с его формализацией, если она есть, и отличать проверенное компьютером утверждение от результата, независимо подтверждённого математиками. 2
7
12
Расхождение в лемме 8.6 показывает, почему это различие принципиально. ИИ может ускорить поиск новых результатов, но доверие к ним зависит от ясности формулировок и тщательной проверки — а не только от количества рукописей или заявленных вычислительных затрат.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Что показывают 722 математические рукописи OpenAI о проверке доказательств»?
В публикацию OpenAI от 6 октября 2026 года вошли 722 рукописи, объединённые в 372 семейства результатов.
Какие ключевые моменты необходимо проверить в первую очередь?
В публикацию OpenAI от 6 октября 2026 года вошли 722 рукописи, объединённые в 372 семейства результатов. По данным OpenAI, на один результат в среднем приходилось около трёх часов вычислений.