OpenAIが数学論文722本を公開、ボトルネックは検証へ移った

OpenAIは、関連する成果を372群に整理した数学論文722本をGitHubで公開した。同社によると、大半は未公開の社内モデルに約4,000件の未解決問題を与え、同じ手順で得たものだ。1成果あたりの計算量は、ChatGPT Pro thinking換算で平均3時間だった。

評価実験が722本の論文カタログになった

リポジトリにはPDF、ソースファイル、引用手順、証明を支える資料が含まれる。選ばれた10件については、モデルの推論を短くまとめた資料もある。OpenAIはLeanによる形式化の一覧も公開したが、すべての論文が形式化済みではなく、未形式化の成果には問題があり得ると明記している。

1つの成果群には、主結果、別証明、関連する帰結が含まれる場合がある。したがって、722本が独立した722問の解決を意味するわけではない。公開規模を読むには、ファイル数より372群という数字の方が有用だ。

証明を作る速度が分野の読解能力を追い越した

数学者にとって現実的な課題は、注意をどう配るかである。1チームが数百本を生成できても、各証明の確認には専門家の時間が必要で、形式的な再構成を要することも多い。GitHubは配布と版管理を助けるが、学術的な信頼までは作らない。

研究の価値は、証明を提案するモデルだけで決まらなくなる。重要度で成果を並べ、前提を見える形にし、疑わしい手順を適切な専門家へ送る仕組みも必要だ。この発表のもう一つの主題は、研究成果の過剰供給をどう管理するかにある。

Leanが覆うのは一部で、残りは独立検証を待つ

形式的な成果物は、特定の記述が指定された検証環境を通ることを示せる。しかし、新規性や重要性、先行研究との正しい関係までは単独で証明できない。OpenAIは標準手順の例外と、読みやすさのため人間が編集した論文1本も説明している。このカタログは単一手法による均質なbenchmarkではない。

最大のリスクは、独立検証より先に量が合意の外観を作ることだ。372群については、公開された修正履歴と、非公開モデルを信用せずに数学者が重要な手順を再現できるかが問われる。

確認と訂正の比率が公開の価値を決める

注目すべきは、独立検証を得る成果群の数、改訂される論文の数、重大な反論が出る場所だ。OpenAIが形式化を追加するか、検証が公開準備に関わった集団の外へ広がるかも重要になる。

PDFをさらに100本増やすだけでは弱い。公開から検証までの時間と、各分野の専門家による確認を通過した成果の割合が、このカタログの実績を示す。

Lilithの判定

OpenAIは数学者の前に722本を一度に積み上げた。数か月にわたる第三者の書き込みを受けても証明が崩れない論文だけが、本当の重みを持つ。