OpenAI y Anthropic publican refutaciones de la hipótesis del tiempo exponencial
OpenAI y Anthropic publican refutaciones de la hipótesis del tiempo exponencial
OpenAI y Anthropic afirman que sus modelos internos refutaron casi simultáneamente la hipótesis del tiempo exponencial y publicaron artículos y pruebas en Lean.
OpenAI y Anthropic han publicado refutaciones de la hipótesis del tiempo exponencial (ETH).
Ambos resultados fueron obtenidos, según las empresas, por modelos internos el 16 de octubre, casi simultáneamente. Las compañías ya han publicado artículos y pruebas formalizadas en Lean.
La hipótesis del tiempo exponencial es una versión más fuerte de la desigualdad P ≠ NP, que postula que ciertos problemas solo pueden resolverse mediante fuerza bruta; demostrarla implicaría también P ≠ NP. Por ahora es difícil afirmar qué consecuencias prácticas tendrá esta refutación.
Además de esta refutación, OpenAI también publicó avances importantes en matemáticas y física.
Por qué es importante
AnálisisSi la ETH queda refutada, pueden revisarse supuestos fundamentales sobre complejidad computacional y criptografía, mientras que las pruebas en Lean muestran el avance de la IA en matemáticas formales verificables.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Anthropic presenta su solicitud de IPO mientras mejora la economía de la IA
Anthropic informó una ganancia operativa del 8% en el segundo trimestre y una margen bruto de alrededor del 85% en inferencia. Aunque registró una pérdida contable de 80.000 millones de dólares en el primer semestre, la compañía ya sería rentable si se excluyen las revalorizaciones de obligaciones vinculadas a acciones.
Claude Haiku (Modelos Compactos Rápidos de Anthropic)
El modelo más compacto y rápido de la línea de Anthropic. Diseñado para respuestas instantáneas, clasificación masiva de textos, extracción de datos y enrutamiento agente a un costo mínimo.
Claude Opus (Modelo Flagship de Anthropic)
El modelo más potente de la familia Anthropic, diseñado para análisis filosóficos y científicos complejos, redacción de textos multilayer y comprensión profunda del contexto.
El modelo interno de OpenAI resolvió tres problemas abiertos de matemáticas, informática teórica y física
Los avances declarados incluyen la refutación de la hipótesis ETH, pruebas para la conjetura de Kakeya y el suavizado local en todas las dimensiones, y resultados de existencia para Yang-Mills y QCD completa.
Proyectos de Claude Code: cómo una IA coordina un equipo de agentes autónomos
Análisis exhaustivo de Proyectos de Claude Code: arquitectura Coordinator y Threads, ramas paralelas, memoria compartida MEMORY.md y gestión de agentes en la nube.
Codex Skills para principiantes: automatización de flujos de trabajo con agentes de IA
Guía práctica para crear y ejecutar Skills en Codex: anatomía de SKILL.md, activación explícita y automática, diferencias entre skills, scripts y tools, Skills API y límites de seguridad.