Internes OpenAI-Modell löst drei offene Probleme und widerlegt ETH – Claude von Anthropic unabhängig
Ein internes OpenAI-Modell hat drei offene Probleme aus Mathematik, theoretischer Informatik und Physik gelöst. Insbesondere widerlegte das Modell die Exponential Time Hypothesis (ETH), eine zentrale Annahme der Theorie der Berechnungskomplexität.
Veröffentlichung auf hexagonmath.org
Das Anthropic-Modell Claude hat ETH ebenfalls unabhängig widerlegt. Anthropic gibt an, dass das interne Claude-Modell die Lösung am 16. Oktober gefunden hat. Dasselbe Datum wird im Bericht von OpenAI genannt.
Claude verbrauchte 14 Millionen Ausgabe-Tokens für die Lösung, und es gab keine menschliche Beteiligung an der Entdeckung: Anthropic-Mitarbeiter halfen nur dabei, das Ergebnis als Paper aufzubereiten.
Das Modell fand einen deterministischen Algorithmus für 3-SAT, der in Zeit 2^o(n) läuft. ETH besagt, dass es eine feste Konstante δ > 0 gibt, bei der das Problem nicht schneller als 2^(δn) gelöst werden kann; ein solcher Algorithmus widerlegt ETH. Außerdem löste das Modell das schwierigere Problem #3-SAT, also das Zählen der erfüllenden Belegungen.
Warum das wichtig ist
AnalyseFalls das Ergebnis bestätigt wird, könnte es grundlegende Annahmen der Komplexitätstheorie verändern und zeigen, dass KI-Modelle autonome Entdeckungen in schwierigen mathematischen Problemen machen können.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
OpenAI und Anthropic veröffentlichen Widerlegungen der Exponential-Time-Hypothesis
OpenAI und Anthropic berichten, dass interne Modelle die Exponential-Time-Hypothesis fast gleichzeitig widerlegt haben; die Beweise sind als Papers und Lean-Formalisierungen veröffentlicht.
Internes OpenAI-Modell löste angeblich drei offene Probleme in Mathematik, theoretischer Informatik und Physik
Die gemeldeten Durchbrüche umfassen die Widerlegung der Exponential Time Hypothesis (ETH), Beweise für Kakeya-Vermutung und lokales Glätten in allen Dimensionen sowie Existenzresultate für Yang-Mills und vollständige QCD.
Claude Haiku (Anthropics schnelle, kompakte Modelle)
Das kompakteste und schnellste Modell in der Anthropic-Produktlinie. Entwickelt für blitzschnelle Antworten, massive Textklassifizierung, Datenextraktion und agentische Routing-Prozesse zu minimalen Kosten.
Claude Opus (Anthropics Flaggschiff-KI-Modell)
Das leistungsstärkste Modell in der Anthropic-Familie. Entwickelt für komplexe philosophische und wissenschaftliche Analysen, das Verfassen vielschichtiger Texte und ein tiefgreifendes Kontextverständnis.
Claude Code Projects: Wie ein KI-Agent ein Team autonomer Agenten koordiniert
Eine tiefgehende Analyse von Claude Code Projects: die Architektur von Coordinator und Threads, parallele Branches, gemeinsamer Speicher MEMORY.md sowie das Management von Cloud-Agenten.
Codex Skills für Einsteiger: So automatisieren Sie Workflows mit KI-Agenten
Ein praktischer Leitfaden zur Erstellung und Nutzung von Skills in Codex: Anatomie der SKILL.md, explizite und automatische Aktivierung, Unterschiede zwischen Skills, Skripten und Tools, die Skills API sowie die Konfiguration von Sicherheitsgrenzen.