Latenode

OpenAI veröffentlicht Lean-formalisierten Beweis zur lokalen Glättung

Dies ist ein nützlicher Testfall für die Einordnung von Forschungsbehauptungen: Sowohl die Ankündigung als auch das Verifizierungs-Repository sind relevant. Der technische Umfang kann in den Artefakten enger sein als in der Überschrift.

Formalisierter Lean-Beweis für eine mathematische Vermutung

OpenAI teilte am 26. Oktober mit, dass es eine Ausarbeitung in natürlicher Sprache und eine Lean-Formalisierung für einen nach eigener Darstellung KI-generierten Beweis von Sogges Vermutung zur lokalen Glättung von 1991 für die euklidische Wellengleichung veröffentlicht hat.

Die öffentliche Dokumentation verteilt sich auf die OpenAI-Ankündigung und die verlinkte GitHub-Historie; beide beschreiben den Umfang etwas unterschiedlich. Laut OpenAIs Beitrag beweist das Ergebnis die Vermutung in jeder Dimension und löst damit die Kakeya-Vermutung sowie Steins Restriktionsvermutung in allen Dimensionen. Die GitHub-Historie ist enger gefasst: Demnach umfasst das Ergebnis Wellen in jeder räumlichen Dimension ab zwei, liefert die Kakeya-Maximal- und Dimensionsvermutungen und ergibt Steins sphärische Restriktionsabschätzungen im gesamten Inneren des vermuteten Bereichs.

Das ist relevant, weil die Beweisartefakte öffentlich und überprüfbar sind. Der Umfang sollte jedoch anhand beider Quellen zusammen gelesen werden, nicht allein anhand des Ankündigungsbeitrags.

Wenn sich Modelle und APIs ändern läuft der Workflow weiter

Verbinden Sie die Modelle und Apps aus solchen Meldungen in einem Szenario. Ändert ein Anbieter Routing, Preise oder Verfügbarkeit, aktualisieren Sie den Workflow — Sie fangen nicht von vorn an.

Dauerhaft kostenloser Plan. Keine Kreditkarte erforderlich.