Đại lý Aleph của chúng tôi, được hỗ trợ bởi GPT‑5.2 của @OpenAI, đã đạt điểm 668/672, 99.4% với hiệu suất siêu cao trên PutnamBench của @gtsoukal và cộng sự (bài kiểm tra toán học chính thức khó nhất) — một bước quan trọng trong việc tự động hóa mã nguồn ngôn ngữ tự nhiên — tiếng Anh như lập trình — với kết quả không có ảo giác.

🚀 Aleph prover vừa chuyển sang CHẾ ĐỘ QUÁI VẬT 4 bài toán toán học chưa được giải quyết trong hơn 20 năm. Chứng minh chính thức trong Lean 4. Dưới 48 giờ. Tổng cộng dưới 5k đô la. ✅ Giả thuyết giới hạn đuôi nhị thức (Telgarsky, 2009) ✅ Xấp xỉ lưới cổng lượng tử (Greene & Damelin, 2015)* ✅ Erdős 124 ✅ Erdős 481 ✅ #1 trên bảng xếp hạng PutnamBench Thời đại toán học AI đã đến. Cảm ơn đặc biệt đến @BorisHanin và @ylecun vì đã giúp hiện thực hóa điều này 🙏 Và một lời khen lớn đến đội ngũ @LeanFRO — không có nền tảng tuyệt vời mà các bạn đã xây dựng, tất cả điều này sẽ không thể xảy ra. Aleph sẽ sớm có sẵn cho công chúng, hãy theo dõi nhé! *điều kiện dựa trên kết quả từ Sardari (2015), đang chờ formalization

Đại lý chứng minh Aleph của chúng tôi vừa đạt vị trí #1 trên PutnamBench, một tiêu chuẩn được xây dựng từ các bài toán Putnam - một trong những kỳ thi toán học đại học khó nhất - được chính thức hóa hoàn toàn với các chứng minh được kiểm tra bằng máy và không có sự can thiệp của con người. Các bài toán Putnam thường được coi là khó hơn các bài toán IMO và bao trùm một loạt các chủ đề, bao gồm giải tích, lý thuyết số, lý thuyết nhóm và các lĩnh vực cốt lõi khác của toán học. Điều này là bằng chứng mạnh mẽ rằng AI có thể xử lý lý luận sâu, nhiều bước với các đảm bảo về độ chính xác — cùng loại công nghệ mà chúng tôi đang sử dụng để xác minh phần mềm thực, phần cứng và các phát hiện khoa học cần logic chính thức.