AnswersPublished15 sources
722 рукописи від OpenAI — ще не 722 доведені відкриття
У релізі OpenAI від 6 жовтня 2026 року — 722 рукописи, згруповані у 372 родини результатів. OpenAI повідомляє, що на один результат у середньому припадало близько трьох годин обчислень.
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- У релізі OpenAI від 6 жовтня 2026 року — 722 рукописи, згруповані у 372 родини результатів.
- OpenAI повідомляє, що на один результат у середньому припадало близько трьох годин обчислень.
AI Prompt
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
Публікація OpenAI від 6 жовтня 2026 року — 722 математичні рукописи, згруповані у 372 родини результатів, — демонструє потенціал ШІ для досліджень у великому масштабі. Водночас вона оголює ключову проблему перевірки: система формальної верифікації може перевірити закодоване доведення, але дослідникам усе одно потрібно з’ясувати, чи відповідає формальний запис твердженню в рукописі. Це матеріал для оцінювання, а не 722 незалежно підтверджені відкриття. 12
7
Багато рукописів — не те саме, що багато підтверджених результатів
OpenAI повідомляє, що рукописи створила внутрішня модель, яку компанія не випускала у відкритий доступ. За її даними, на один результат у середньому припадало близько трьох годин обчислень, а під час оцінювання моделі запропонували приблизно 4 000 задач. Ці цифри показують масштаб роботи та заявлені обчислювальні витрати, але самі по собі не підтверджують правильність чи значущість кожного результату. 1
3
7
Рукописи об’єднані в родини споріднених результатів, тож число 722 не варто сприймати як кількість окремих, незалежно перевірених проривів. Кожне твердження потрібно оцінювати за його доведенням і тим, як воно витримує математичну перевірку. 7
12
Приклад із Нав’є — Стокса показує, чому важливо зіставляти версії доведення
Одне з конкретних зауважень до попередньої роботи OpenAI над рівняннями Нав’є — Стокса стосується леми 8.6. У тексті для читачів оцінка сформульована за умови регулярності, що охоплює похідні до порядку m + 4. У відповідному записі мовою Lean фігурує m + 5. Додаткова похідна означає сильнішу умову, а отже, слабшу оцінку: вона діє за суворішого припущення й безпосередньо не підтверджує твердження в рукописі. 2
Ця розбіжність сама по собі не доводить, що якась із версій хибна, і не вирішує питання щодо результату загалом. Але успішну комп’ютерну перевірку не можна автоматично вважати підтвердженням сильнішого твердження з тексту. Перевіряльникам потрібно зіставити те, що заявлено в роботі, з тим, що саме закодовано у формальному доведенні. 2
Це загальний урок формальної верифікації: система на кшталт Lean перевіряє твердження, записане її формальною мовою. Вона не встановлює сама по собі, чи правильно це твердження перенесли з наукової статті. Для цього потрібно окремо перевірити відповідність між текстом і формалізацією. Розбіжність — привід уважно розібратися, а не доказ навмисного послаблення чи підстава вважати, що така проблема є в кожному доведенні, створеному ШІ. 2
Обчислення можуть бути швидкими, а математична перевірка — ні
За оцінкою OpenAI, на результат у жовтневій добірці в середньому припадало близько трьох годин обчислень. Окремо в матеріалах про попередню роботу над Нав’є — Стоксом повідомлялося, що агенти працювали близько 88 годин. Це цифри про різні етапи й різні проєкти; жодна з них не показує, скільки часу незалежним математикам потрібно, щоб перевірити отримані доведення. 1
3
7
Повідомлялося, що команда витратила близько двох тижнів на аналіз попереднього доведення Нав’є — Стокса. Це не означає, що за два тижні перевірили жовтневу добірку: її оприлюднили лише 6 жовтня. Створити рукопис і незалежно перевірити його математичний зміст — різні завдання, а публікація такого масштабу створює значне навантаження на фахівців. 2
Lean допомагає перевіряти доведення, але не відповідає на всі запитання
Формалізації мовою Lean дають змогу програмно перевіряти логічні кроки доведення в закодованому вигляді. Однак результати в оприлюдненій добірці перебувають на різних етапах перевірки, а формалізацію Lean мають не всі рукописи. OpenAI повідомляє, що продовжить додавати такі формалізації. 7
12
Навіть якщо формальний код є і система його успішно перевіряє, потрібно з’ясувати, чи доводить він те саме твердження, що й рукопис, і чи має результат математичне значення. Щоб оцінити зв’язок аргументації з попередніми працями, також потрібен людський аналіз: успішна перевірка Lean сама по собі цього не вирішує. 2
7
Що варто винести з цієї історії
Публікація свідчить про здатність ШІ швидко створювати математичні матеріали у великому масштабі, але не замінює математичної експертизи. Найнадійніший підхід — розглядати кожен результат окремо: точно визначити, що саме стверджується, зіставити текст доведення з формалізацією, якщо вона є, і відрізняти перевірене комп’ютером твердження від результату, незалежно підтвердженого математиками. 2
7
12
Розбіжність у лемі 8.6 добре показує, чому це важливо. ШІ може прискорити пошук математичних результатів, але довіра до них залежить від чіткості тверджень і ретельної перевірки — а не лише від кількості рукописів чи витрачених обчислювальних ресурсів.
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 рукописи від OpenAI — ще не 722 доведені відкриття"?
У релізі OpenAI від 6 жовтня 2026 року — 722 рукописи, згруповані у 372 родини результатів.
What are the key points to validate first?
У релізі OpenAI від 6 жовтня 2026 року — 722 рукописи, згруповані у 372 родини результатів. OpenAI повідомляє, що на один результат у середньому припадало близько трьох годин обчислень.