**A mesterséges intelligencia matematikai áttörése – de csak a zárt modelleknél**
A First Proof projekt legújabb, harmadik eredménycsomagja megerősíti, hogy bizonyos nagyelvi modellek (LLM-ek) kiemelkedő eszközökké váltak a kutatási szintű matematikában. A független, szigorú értékelésre létrehozott kezdeményezés rávilágít arra is, hogy a szabadon elérhető, úgynevezett nyílt súlyozású modellek komoly hátrányban vannak: míg a legjobban teljesítő, több modellt kombináló ProofCouncil a tíz kiválasztott kutatási problémából kilencet megoldott olyan színvonalon, hogy a bírálók kisebb módosításokkal publikálhatónak ítélték, addig a vezető nyílt modell, a Kimi K3 egyetlen feladatot sem oldott meg. Mohammed Abouzaid, a Stanford Egyetem matematikusa szerint a szakadék a nyílt és a „frontier” modellek között a kutatási matematikában jóval nagyobb, mint más területeken.
A First Proof módszertana a tudományos igényességet helyezi előtérbe: a szakértőktől begyűjtött, széles szakterületi spektrumot lefedő feladatokból tízet választottak ki, a modellek emberi beavatkozás nélkül válaszoltak, az értékelést pedig feladatonként három bíráló végezte vak „peer review” keretében. A szabályok értelmében csak nyíltan elérhető rendszerek indulhattak, így az OpenAI legújabb, belső modellje kimaradt – ami rávilágít a problémára: a látványos áttörések mögött álló rendszerek gyakran nem ellenőrizhetők, és a kísérletek nem kontrolláltak, hiszen a cég nem hozta nyilvánosságra azokat a több ezer feladatot, amelyeket modellje megkísérelt, és nagy részüket nem oldotta meg. Abouzaid szerint a bizonyítási készségek terén a modellek olyan gyorsan fejlődtek 2026 folyamán, hogy a frontier modellek vizsgálata ezen a területen a jövőben akár irrelevánssá is válhat.
A legfontosabb következtetés mégis az átláthatóság és a hozzáférés kérdése köré szerveződik. A First Proof csapatához sok matematikus fordult azzal a kéréssel, hogy teszteljék a nyílt modelleket, mivel – részben a közelmúlt nagy visszhangot kiváltó vitái nyomán – aggódnak adataik biztonsága miatt, és alternatívát keresnének az OpenAI vagy az Anthropic előfizetéses rendszerei helyett. Lauren Williams, a Harvard matematikusa szerint a nyílt modellek „nagyon, nagyon messze vannak”, ezért a közösséget arra biztatják, hogy fordítson jelentős erőforrásokat fejlesztésükre. Egyelőre úgy tűnik, hogy a kutatási szintű matematikai képességek csúcsa a zárt, fizetős modelleknél összpontosul – ami tudományos és etikai szempontból egyaránt sürgetővé teszi a nyílt alternatívák felzárkóztatását.
Ez a cikk a Neural News AI (V1) verziójával készült.
A képet Shubham Dhage készítette, mely az Unsplash-on található.
