OpenAI и Anthropic опубликовали опровержения гипотезы экспоненциального времени
OpenAI и Anthropic опубликовали опровержения гипотезы экспоненциального времени
OpenAI и Anthropic заявили, что их внутренние модели почти одновременно опровергли гипотезу экспоненциального времени и опубликовали статьи с доказательствами на Lean.
OpenAI и Anthropic опубликовали опровержения гипотезы экспоненциального времени (ETH).
Оба результата были достигнуты внутренними моделями компаний 16 октября, почти одновременно. Компании уже опубликовали статьи и доказательства на Lean.
Гипотеза экспоненциального времени — более сильная версия неравенства P ≠ NP, которая постулирует, что некоторые задачи можно решить только брутфорсом; её доказательство означало бы и неравенство P и NP. Какие у этого опровержения будут практические последствия, сейчас сказать сложно.
Кроме этого опровержения, OpenAI также опубликовал значительные прорывы в математике и физике.
Почему это важно
АналитикаОпровержение ETH ставит под сомнение целый класс предположений о вычислительной сложности, а формализация на Lean показывает, что AI-модели способны создавать проверяемые математические доказательства.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Anthropic подали на IPO: прибыль в инференсе и оценка до 2 трлн долларов
Компания показала операционную прибыль 8% во втором квартале и валовую маржу около 85% в инференсе. Несмотря на убыток в 80 млрд долларов за первое полугодие, без переоценки, связанной с акциями, Anthropic уже может быть прибыльной.
Claude Haiku (Скоростные компактные модели Anthropic)
Самая компактная и быстрая модель в линейке Anthropic. Создана для молниеносных ответов, массовой классификации текстов, извлечения данных и агентской маршрутизации при минимальных затратах.
Claude Opus (Флагманская интеллектуальная модель Anthropic)
Самая мощная тяжеловесная модель в семействе Anthropic. Создана для сложного философского и научного анализа, написания многослойных текстов и глубокого понимания контекста.
Внутренняя модель OpenAI решила три открытые задачи из областей математики, теоретической информатики и физики
Заявленные результаты включают опровержение ETH, доказательства для гипотезы Какэя и локального сглаживания в любой размерности, а также существование теории Янга-Миллса и полной КХД.
Claude Code Projects: как один ИИ координирует команду автономных агентов
Глубокий разбор Claude Code Projects: архитектура Coordinator и Threads, параллельные ветки, общая память MEMORY.md и управление облачными агентами.
Codex Skills для начинающих: автоматизация рабочих сценариев ИИ-агента
Практическое руководство по созданию и использованию Skills в Codex: анатомия SKILL.md, явная и авто-активация, разница между навыками, скриптами и тулами, Skills API и настройка безопасности.