Le modèle interne d’OpenAI a résolu trois problèmes ouverts et réfuté ETH ; Claude d’Anthropic l’a fait indépendamment
Un modèle interne d’OpenAI a résolu trois problèmes ouverts en mathématiques, en informatique théorique et en physique. En particulier, le modèle a réfuté ETH, l’hypothèse du temps exponentiel, une hypothèse clé de la théorie de la complexité computationnelle.
Publication sur hexagonmath.org
Le modèle Claude d’Anthropic a également réfuté ETH de manière indépendante. Anthropic affirme que le modèle interne Claude a trouvé la solution le 16 octobre. La même date apparaît dans le rapport d’OpenAI.
Claude a dépensé 14 millions de tokens de sortie pour la solution, et il n’y a pas eu de participation humaine dans la découverte : les employés d’Anthropic ont seulement aidé à préparer le résultat sous forme d’article.
Le modèle a trouvé un algorithme déterministe pour 3-SAT qui fonctionne en temps 2^o(n). ETH affirme qu’il existe une constante fixe δ > 0 pour laquelle le problème ne peut pas être résolu plus vite que 2^(δn), ce qui réfute ETH avec un tel algorithme. De plus, le modèle a résolu le problème plus difficile #3-SAT, c’est-à-dire qu’il a compté le nombre d’assignations satisfaisantes.
Pourquoi c'est important
AnalyseSi le résultat est confirmé, il pourrait modifier des hypothèses fondamentales de la théorie de la complexité et montrer que les modèles d’IA peuvent faire des découvertes autonomes dans des problèmes mathématiques difficiles.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
OpenAI et Anthropic publient des réfutations de l'hypothèse du temps exponentiel
OpenAI et Anthropic affirment que leurs modèles internes ont réfuté presque simultanément l'hypothèse du temps exponentiel et ont publié des articles ainsi que des preuves en Lean.
Le modèle interne d’OpenAI aurait résolu trois problèmes ouverts en mathématiques, informatique théorique et physique
Les résultats annoncés incluent la réfutation de l’hypothèse ETH, des preuves pour la conjecture de Kakeya et le lissage local en toute dimension, ainsi que des résultats d’existence pour la théorie de Yang-Mills et la QCD complète.
Claude Haiku (Modèles compacts et rapides d'Anthropic)
Le modèle le plus compact et le plus rapide de la gamme Anthropic. Conçu pour des réponses ultra-rapides, la classification massive de textes, l'extraction de données et le routage agentique à un coût minimal.
Claude Opus (Modèle d'intelligence phare d'Anthropic)
Le modèle le plus puissant de la famille Anthropic. Conçu pour l'analyse philosophique et scientifique complexe, la rédaction de textes multicouches et une compréhension approfondie du contexte.
Claude Code Projects : comment une IA coordonne une équipe d'agents autonomes
Analyse approfondie de Claude Code Projects : architecture Coordinator et Threads, branches parallèles, mémoire partagée MEMORY.md et gestion des agents cloud.
Codex Skills pour débutants : comment automatiser les scénarios de travail des agents IA
Guide pratique pour créer et utiliser les Skills dans Codex : anatomie du fichier SKILL.md, activation explicite et automatique, différences entre les compétences, les scripts et les outils, l'API Skills et la configuration des limites de sécurité.