blog Simon Willison · il y a 1 h · agents

Le modèle Astra d'OpenAI résout dix problèmes mathématiques de longue date en utilisant GPT-5.6 Sol

Traduit de English → Français

OpenAI a publié des solutions à dix problèmes de mathématiques et d'informatique théorique qui n'avaient connu aucun progrès sur leurs résultats principaux depuis au moins une décennie, en utilisant une version interne de son prochain modèle majeur, Astra.

L'entreprise affirme avoir dépensé moins de 2 000 $ en prix de tokens GPT-5.6 Sol pour chaque problème. Le dépôt openai/ten-proofs contient des formalisations Lean 4 de ces résultats, ainsi qu'un article décrivant les solutions et un PDF généré par LLM reconstruisant le processus de preuve à partir de traces de raisonnement non publiées.

Ce développement s'aligne sur la vision du mathématicien Terence Tao de « grandes mathématiques », où l'IA gère le travail technique fastidieux dans des collaborations à grande échelle entre humains et machines.

Importance 3/3 Nouvelle fonctionnalité face aux leaders Simon Willison OpenAI Reasoning models Research paper

Lire l'original

Le modèle Astra résout dix problèmes ouverts en mathématiques et en informatique théorique

Le modèle interne Astra d'OpenAI a généré des solutions à dix problèmes ouverts de longue date en mathématiques et en informatique théorique, avec les arguments formalisés dans Lean. Ces résultats couvrent la géométrie de haute dimension, la théorie du codage, la théorie des groupes et la complexité quantique, abordant des questions qui n'avaient connu aucun progrès depuis au moins une décennie.

arxiv arXiv cs.AI · il y a 10 j

PoTRE présente un cadre multi-agents hétérogène pour le raisonnement au moment du test

Les auteurs présentent PoTRE (Poly-Topological Reasoning Ensembles), un cadre conçu pour pallier les limites de l'invocation standard en flux unique dans les tâches de raisonnement complexes. PoTRE découple l'inférence en quatre agents distincts : un Agent d'affinement adversarial, un Agent de planification stratégique hiérarchique, un Agent de recherche spectrale et un Agent à chaîne directe.

arxiv arXiv cs.CL · il y a 16 j · 1 vue

GSM-Plus-BN introduit un benchmark basé sur la perturbation pour le raisonnement mathématique en bengali

L'étude présente GSM-Plus-BN, un nouvel ensemble de données mathématiques bengali perturbé, dérivé du benchmark anglais GSM-Plus et vérifié par des traducteurs humains. Cette ressource comble le manque de benchmarks systématiques pour évaluer la robustesse des modèles dans des régions linguistiquement diversifiées comme le Bangladesh.

arxiv arXiv cs.AI · il y a 17 j

Deep Interaction permet une correction humaine précise des erreurs de raisonnement des LLM

Les auteurs proposent Deep Interaction, une méthode d'interaction homme-IA efficace conçue pour corriger les erreurs de raisonnement dans les grands modèles de langage sans nécessiter de régénération complète de la réponse. Ce mécanisme permet aux utilisateurs de modifier directement la réponse Chain-of-Thought originale, préservant les étapes précises tout en corrigeant les erreurs.

arxiv arXiv cs.CL · il y a 18 j

Ring-Zero met à l'échelle le RL zéro jusqu'à 1T de paramètres pour un raisonnement émergent

Les chercheurs présentent Ring-Zero, un pipeline d'entraînement stable qui met à l'échelle l'apprentissage par renforcement avec des récompenses vérifiables vers des modèles disposant d'un billion de paramètres, répondant ainsi à des problèmes tels que la redondance des tokens et la mauvaise lisibilité observés dans les mises à l'échelle naïves.