OpenAI und Anthropic veröffentlichen Widerlegungen der Exponential-Time-Hypothesis
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.
OpenAI und Anthropic haben Widerlegungen der Exponential-Time-Hypothesis (ETH) veröffentlicht.
Beide Ergebnisse wurden den Unternehmen zufolge am 16. Oktober fast gleichzeitig von internen Modellen erzielt. Die Firmen haben bereits Papers und Beweise in Lean veröffentlicht.
Die Exponential-Time-Hypothesis ist eine stärkere Variante der Aussage P ≠ NP. Sie postuliert, dass bestimmte Probleme nur durch Brute-Force gelöst werden können; ein Beweis der ETH würde auch P ≠ NP implizieren. Welche praktischen Konsequenzen die Widerlegung hat, ist derzeit schwer einzuschätzen.
Neben dieser Widerlegung hat OpenAI zudem bedeutende Durchbrüche in Mathematik und Physik veröffentlicht.
Warum das wichtig ist
AnalyseFalls die ETH widerlegt ist, könnten zentrale Annahmen der Komplexitätstheorie und Kryptografie neu bewertet werden; die Lean-Beweise zeigen zudem den Trend zu maschinell verifizierbarer KI-Mathematik.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Anthropic strebt IPO an, während die KI-Ökonomie besser wird
Anthropic meldete im zweiten Quartal eine operative Marge von 8% und eine Bruttomarge von rund 85% im Inferenzgeschäft. Trotz eines buchhalterischen Verlusts von 80 Milliarden Dollar im ersten Halbjahr könnte das Unternehmen ohne aktienbezogene Neubewertungen bereits profitabel sein.
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.
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 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.