OpenAI opublikowało 722 prace matematyczne, teraz wąskim gardłem jest weryfikacja

OpenAI opublikowało na GitHubie katalog 722 prac matematycznych uporządkowanych w 372 rodziny powiązanych wyników. Firma podaje, że zdecydowana większość powstała w jednym procesie z użyciem nieudostępnionego modelu wewnętrznego, któremu przedstawiono około 4 000 otwartych problemów. Na jeden wynik przypadały średnio trzy godziny mocy obliczeniowej odpowiadającej trybowi ChatGPT Pro thinking.

Ewaluacja zamieniła się w katalog 722 prac

Repozytorium zawiera pliki PDF, źródła, instrukcje cytowania i materiały wspierające dowody. Dziesięć wybranych wyników otrzymało skrócone opisy rozumowania modelu. OpenAI udostępniło także katalog formalizacji w Lean, ale wyraźnie zaznacza, że nie obejmują one wszystkich prac, a wyniki bez formalizacji mogą zawierać błędy.

Jedna rodzina może łączyć główne twierdzenie, alternatywne dowody i dalsze konsekwencje. Liczba 722 nie oznacza więc 722 niezależnie rozwiązanych problemów. Do oceny skali publikacji bardziej użyteczna jest liczba 372 rodzin niż sama liczba plików.

Produkcja dowodów wyprzedziła zdolność środowiska do ich czytania

Dla matematyków praktycznym problemem staje się podział uwagi. Jeden zespół może wygenerować setki tekstów, lecz sprawdzenie każdego dowodu nadal wymaga specjalisty, czasu i często formalnej rekonstrukcji. GitHub ułatwia dystrybucję i wersjonowanie, ale nie buduje zaufania naukowego.

Zmienia to ekonomię pracy badawczej. Wartość wniesie zarówno model proponujący dowód, jak i system, który potrafi uszeregować wyniki według znaczenia, ujawnić założenia oraz skierować sporne kroki do właściwych ekspertów. Głębsza historia dotyczy zarządzania nadmiarem badań, a nie jednego matematycznego triumfu.

Lean obejmuje część zbioru, reszta czeka na kontrolę

Formalny artefakt może potwierdzić, że konkretny zapis przechodzi w określonym środowisku weryfikacji. Sam nie rozstrzyga o nowości, znaczeniu ani właściwym osadzeniu wyniku w literaturze. OpenAI opisuje też wyjątki od standardowej procedury oraz jeden tekst zredagowany przez człowieka dla lepszej czytelności. Katalog nie jest więc jednolitym benchmarkiem wytworzonym jedną metodą.

Największe ryzyko polega na tym, że skala stworzy pozór konsensusu przed niezależną kontrolą. Przy 372 rodzinach ważniejsze od komunikatu premierowego będą publiczna historia poprawek i możliwość odtworzenia kluczowych kroków bez zaufania do prywatnego modelu.

Potwierdzenia i poprawki określą rzeczywistą wartość publikacji

Warto śledzić, ile rodzin uzyska niezależne potwierdzenie, ile prac zostanie poprawionych i gdzie pojawią się istotne kontrargumenty. Liczyć się będzie również tempo dodawania formalizacji oraz to, czy kontrola wyjdzie poza grupy zaangażowane w organizację publikacji.

Kolejne sto plików PDF byłoby słabą miarą sukcesu. Znaczenie katalogu pokażą czas od publikacji do weryfikacji oraz odsetek wyników, które przetrwają ocenę ekspertów w swoich dziedzinach.

Werdykt Lilith

OpenAI położyło przed matematykami 722 prace naraz. Prawdziwą wagę zyskają te, których dowody wytrzymają miesiące niezależnych uwag.