AnswersPublished14 sources
722 matematikmanus från OpenAI: vad Lean kontrollerar – och vad systemet inte kan avgöra
Den 6 oktober publicerade OpenAI 722 manuskript, indelade i 372 grupper av närbesläktade resultat, och hävdar att modellen löst eller gjort framsteg på många öppna matematiska problem. Lean kan kontrollera logiken i ett formaliserat bevis, men avgör inte på egen hand om resultatet är nytt eller om den formaliserade...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Den 6 oktober publicerade OpenAI 722 manuskript, indelade i 372 grupper av närbesläktade resultat, och hävdar att modellen löst eller gjort framsteg på många öppna matematiska problem.
- Lean kan kontrollera logiken i ett formaliserat bevis, men avgör inte på egen hand om resultatet är nytt eller om den formaliserade formuleringen motsvarar det avsedda problemet.
- Det tidigare Navier–Stokes påståendet väckte frågor om tillvägagångssätt, erkännande och öppenhet.
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
Den 6 oktober 2026 publicerade OpenAI 722 matematikmanuskript, indelade i 372 grupper av närbesläktade resultat. Företaget uppger att arbetet kommer från en intern, ännu inte offentlig, avancerad AI-modell. Enligt rapporteringen behandlar samlingen hundratals öppna frågor, med lösningar eller betydande framsteg inom flera matematikområden. Många manuskript har formaliserats i Lean, men inte alla. 4
17
Publiceringen ger matematiker material att granska. Men den visar inte i sig att varje resultat är nytt, betydelsefullt eller korrekt avgränsat. Det tidigare påståendet om Navier–Stokes, frågor om hur resultaten kom till och begränsningarna hos formell verifiering gör en oberoende granskning central.
Vad OpenAI publicerade – och vad företaget hävdar
Siffrorna beskriver olika saker: 722 manuskript har grupperats i 372 familjer av besläktade resultat. De ska alltså inte tolkas som ett manuskript per resultatfamilj eller som ett exakt antal skilda öppna problem. Medier har beskrivit samlingen som lösningar på, eller betydande framsteg inom, hundratals öppna problem. Före publiceringen hade OpenAI sagt att den interna modellen löst fler än 100 långvariga problem. Det är företagets beskrivning av modellens arbete, inte en sammanräkning av oberoende bekräftade genombrott. 5
OpenAI publicerade även material som stöd för granskning. Enligt rapporteringen innehåller arkivet bevisfiler, ett Lean-bibliotek och en katalog över formaliseringar, samt kortfattade resonemangssammanfattningar för tio resultat. Det gör delar av arbetet lättare att undersöka, men sammanfattningarna dokumenterar inte hela problemlösningsprocessen för varje manuskript. 17
Hur mycket kan Lean verifiera?
Alla 722 manuskript har inte formaliserats i Lean. Enligt rapporteringen är ungefär hälften av resultaten formellt verifierade där, medan andra källor beskriver formaliseringar som tillgängliga för många, men inte alla, manuskript. 17
Lean är en så kallad bevisassistent. När ett påstående och ett bevis har kodats i systemet kan Lean kontrollera att det formella beviset följer av de formella antagandena. Det är en viktig kontroll av det kodade resonemanget. Men systemet avgör inte på egen hand om den formella formuleringen motsvarar det matematiska problem man avsåg att lösa, om resultatet är nytt eller hur viktigt det är.
Det är därför viktigt att skilja mellan maskinkontrollerade formella bevis och en bredare vetenskaplig bedömning av manuskriptet. Den första sortens kontroll kan stärka förtroendet för ett formaliserat argument. Den andra kräver fortfarande att matematiker granskar definitioner, sammanhang, tidigare forskning och resultatets betydelse.
Därför spelar det tidigare Navier–Stokes-påståendet roll
I september uppgav OpenAI att ett internt system hade tagit fram en lösning på problemet om Navier–Stokes-ekvationernas existens och släthet. Företaget publicerade en skriftlig bevisgenomgång och en formalisering i Lean. 2 Påståendet väckte frågor om huruvida resultatet faktiskt besvarade problemet så som matematiker förstår det, liksom om vilken roll mänskliga forskares arbete hade spelat och vem som borde få erkännande.
Rapportering om det tidigare Navier–Stokes-arbetet har beskrivit en stor grupp samverkande AI-agenter och datorkostnader på miljontals dollar. De uppgifterna gäller det arbetet – inte kostnaden för den nya manuskriptsamlingen i oktober. Materialet som citeras här fastställer inte hur mycket beräkningskraft eller pengar den nya samlingen krävde.
Historiken väcker praktiska frågor om den nya publiceringen: Vilket tidigare arbete låg till grund för respektive resultat? Hur valde modellen problem och gick vidare med dem? Vilka bidrag kom från människor? Manuskripten och stödfilerna är en början, men det tillgängliga underlaget besvarar inte systematiskt frågorna för varje enskilt resultat.
Öppenhet, reaktioner och vad som händer härnäst
OpenAI uppger att företaget rådgjort med den oberoende Advisory Group on Mathematics and Artificial Intelligence, som är knuten till Institute for Advanced Study, och använt gruppens råd och offentliga rekommendationer som underlag för publiceringen. Gruppens rekommendationer handlar om hur nya matematiska resultat bör granskas och kommuniceras. 4
Reaktionerna som rapporterats hittills går isär. Vissa matematiker ser den stora mängden arbete och tillgången till maskinkontrollerade bevis som potentiellt betydelsefull. Andra betonar att resultatens originalitet, upphov och betydelse måste fastställas – och att det är svårt att bedöma så många manuskript på en gång.
OpenAI har sagt att företaget ska finansiera workshops, konferenser och andra program kring resultaten. Rapportering har också beskrivit en offentlig lansering av den interna modellen som en avsikt, men källorna här anger ingen fast tidsplan.
Den mest hållbara bedömningen just nu är att det rör sig om en omfattande forskningspublicering som förtjänar noggrann granskning, resultat för resultat. Antalet manuskript är inte ett mått på antalet oberoende validerade upptäckter, och Lean-verifiering – hur användbar den än är – avgör inte frågor om nyhetsvärde, sammanhang eller betydelse.
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 matematikmanus från OpenAI: vad Lean kontrollerar – och vad systemet inte kan avgöra"?
Den 6 oktober publicerade OpenAI 722 manuskript, indelade i 372 grupper av närbesläktade resultat, och hävdar att modellen löst eller gjort framsteg på många öppna matematiska problem.
What are the key points to validate first?
Den 6 oktober publicerade OpenAI 722 manuskript, indelade i 372 grupper av närbesläktade resultat, och hävdar att modellen löst eller gjort framsteg på många öppna matematiska problem. Lean kan kontrollera logiken i ett formaliserat bevis, men avgör inte på egen hand om resultatet är nytt eller om den formaliserade formuleringen motsvarar det avsedda problemet.
What should I do next in practice?
Det tidigare Navier–Stokes påståendet väckte frågor om tillvägagångssätt, erkännande och öppenhet.
Sources
openai.comSharing AI progress in mathematics
letsdatascience.comletsdatascience.com · news · openai-publishes-722-aiOpenAI Publishes 722 AI Mathematics Manuscripts