OpenAI发布了十个数学和理论计算机科学问题的解决方案，这些问题在至少十年内在其主要结果上没有取得进展，使用的是其下一代主要模型Astra的内部版本。
该公司声称在每个问题上花费的GPT-5.6 Sol代币价格不到2000美元。openai/ten-proofs仓库包含这些结果的Lean 4形式化，以及一篇描述解决方案的论文和一个由LLM生成的PDF，该PDF从未经发表的推理轨迹重建证明过程。
这一发展与数学家陶哲轩关于“大数学”的愿景一致，其中AI在大规模人机协作中处理技术性的繁琐工作。
blog
Simon Willison
·
1 小时前
·
agents
OpenAI的Astra模型使用GPT-5.6 Sol解决了十个长期存在的数学问题
译自 English → 中文
相关文章
lab
OpenAI News
·
14 小时前
·
7 次浏览
Astra模型解决了数学和理论计算机科学中的十个开放问题
OpenAI的内部Astra模型已生成跨越数学和理论计算机科学的十个长期开放问题的解决方案，相关论证已在Lean中形式化。这些成果涵盖高维几何、编码理论、群论和量子复杂性，解决了至少十年未取得进展的问题。
arxiv
arXiv cs.AI
·
10 天前
PoTRE 引入异构多智能体框架以支持测试时推理
作者提出了 PoTRE（Poly-Topological Reasoning Ensembles），这是一个旨在解决标准单流提示在复杂推理任务中局限性的框架。PoTRE 将推理解耦为四个不同的智能体：对抗性精炼智能体、分层战略规划智能体、谱搜索智能体和直接链式智能体。
arxiv
arXiv cs.CL
·
16 天前
·
1 次浏览
GSM-Plus-BN 推出基于扰动的孟加拉语数学推理基准
该研究推出了 GSM-Plus-BN，这是一个源自英语 GSM-Plus 基准并经人工翻译人员验证的新型扰动孟加拉语数学数据集。该资源旨在解决孟加拉国等语言多样地区缺乏系统性基准来评估模型鲁棒性的问题。
arxiv
arXiv cs.AI
·
17 天前
深度交互实现人类对LLM推理错误的精确修正
作者提出了Deep Interaction，一种高效的人机交互方法，旨在无需完全重新生成响应即可纠正大语言模型中的推理错误。该机制允许用户直接编辑原始的Chain-of-Thought响应，在保留正确步骤的同时修复错误。
arxiv
arXiv cs.CL
·
18 天前
Ring-Zero 将零样本强化学习扩展至 1T 参数以实现涌现推理
研究人员提出了 Ring-Zero，这是一种稳定的训练流水线，可将带有可验证奖励的强化学习扩展到具有一万亿参数的模型，解决了朴素扩展中发现的令牌冗余和可读性差等问题。