शोधकर्ताओं ने ProofCouncil पेश किया, जो एक LLM एजेंट है जिसे लेखक-आलोचक आर्किटेक्चर का उपयोग करके खुले गणितीय समस्याओं को हल करने के लिए डिज़ाइन किया गया है। सिस्टम को FirstProof के दूसरे बैच में एक सबमिशन के रूप में पेश किया गया, जो 10 वास्तविक दुनिया की गणितीय समस्याओं से जुड़ा एक चुनौती है जिन्हें एजेंटों को स्वतंत्र रूप से हल करना है।
- FirstProof की 10 समस्याओं में से 6 के लिए ProofCouncil की सबमिशन को न्यूनतम संशोधनों तक सही माना गया, जिसने भाग लेने वाली टीमों में सबसे अच्छा प्रदर्शन हासिल किया।
- शोधकर्ताओं द्वारा 30 खुली समस्याओं के मूल्यांकन पर, 5 समाधान पूरी तरह से सही माने गए और 2 वादा करने वाले अंतिम सत्यापन की प्रतीक्षा में हैं।
- 8 अतिरिक्त समाधानों में उपयोगी आंशिक प्रगति थी, जिसमें एजेंट-बिल्डिंग लाइब्रेरी ओपन सोर्स के रूप में जारी की गई।
लेखकों का मानना है कि यह महत्वपूर्ण है क्योंकि यह दिखाता है कि वास्तविक दुनिया की गणितीय अभ्यास के लिए अनुकूलित एजेंटिक वर्कफ़्लो जटिल कार्यों पर LLM प्रदर्शन को बेहतर बना सकते हैं।