Los investigadores presentan ProofCouncil, un agente LLM diseñado para abordar problemas matemáticos abiertos utilizando una arquitectura de autor-crítico. El sistema se presentó como parte del segundo lote de FirstProof, un desafío que involucra 10 problemas matemáticos del mundo real que los agentes deben resolver de manera autónoma.
- Las presentaciones de ProofCouncil para 6 de los 10 problemas de FirstProof fueron juzgadas correctas hasta revisiones menores, logrando el mejor rendimiento entre los equipos participantes.
- En una evaluación de 30 problemas abiertos de investigadores, 5 soluciones fueron juzgadas completamente correctas y 2 prometedoras pendientes de verificación final.
- Un adicional de 8 soluciones contenían progreso parcial útil, con la biblioteca para construir agentes liberada como código abierto.
Los autores consideran esto significativo ya que demuestra que los flujos de trabajo basados en agentes adaptados a la práctica matemática del mundo real pueden mejorar el rendimiento de LLM en tareas complejas.