OpenAI testet weiterhin proprietäre Modelle in Mathematik trotz der Bitte seiner Berater
- OpenAI stellte am 6. Oktober 719 mathematische Manuskripte eines unveröffentlichten internen Modells auf GitHub bereit.
- Seine Beratergruppe hatte Labors am 29. September angewiesen, das Testen fortgeschrittener mathematischer Probleme an proprietären Modellen einzustellen.
- Ein Papier zeigt, dass der Lean-Code von OpenAI für seinen Navier-Stokes-Beweis schwächere Aussagen beweist als die schriftliche Version.
Am 6. Oktober lud OpenAI 719 Mathematik-Papiere eines noch nicht veröffentlichten internen Modells auf GitHub hoch.
Eine Woche zuvor hatte seine eigene Beratergruppe Labors aufgefordert, das Testen fortgeschrittener mathematischer Probleme an proprietären Modellen einzustellen.
Über 600 Umfrageantworten haben die Leitlinien des IAS-Panels vom 29. September geprägt
Die Advisory Group on Mathematics and Artificial Intelligence hat ihren Sitz am Institute for Advanced Study in Princeton, New Jersey. Am 29. September veröffentlichte sie Empfehlungen, die auf mehr als 600 Umfrageantworten basieren.
„Wir möchten von Anfang an klarstellen: Wir unterstützen diese Praxis nicht und bitten sie, das Testen fortgeschrittener mathematischer Probleme auf proprietären Modellen einzustellen“, schrieb die Gruppe.
Das gleiche Dokument warnt davor, dass private interne Modelle ein Zwei-Klassen-System schaffen könnten, in dem Labors den Rest des Feldes hinter sich lassen.
Im Rahmen der Modellentwicklung testet OpenAI laut seinem Repository seine Modelle an offenen Forschungsproblemen. Diese Tests wurden erweitert, nachdem die bestehenden Mathematik-Benchmarks gesättigt waren.
OpenAI gab an, sich mit der Gruppe abgestimmt und deren Empfehlungen für die Veröffentlichung berücksichtigt zu haben. In einer am 6. Oktober veröffentlichten Erklärung betonte die Gruppe, dass ihre beratende Rolle „keine Billigung des Prozesses darstellt, auf dessen Weise OpenAI diese Ergebnisse erlangte.“
Die Gruppe übertrug das Urteil über die Konformität der breiteren mathematischen Gemeinschaft.
Der Navier-Stokes-Lean-Code beweist schwächere Aussagen als das schriftliche Papier
OpenAI ordnete die 719 Papers in 372 mathematische Familien ein, die jeweils um ein Hauptergebnis und seine zugehörigen Beweise herum aufgebaut sind. Dem proprietären Modell wurden etwa 4.000 Probleme vorgelegt, und jedes Ergebnis durchschnittlich etwa drei Stunden an ChatGPT-Pro-Denk-Rechenzeit in Anspruch.
Die Gruppe forderte KI-Labore auf, den Modellnamen, Prompts, eine zusammengefasste Gedankenkette, die benötigte Zeit und die Rechenkosten für jedes Ergebnis zu veröffentlichen.
OpenAI hat 10 Zusammenfassungen der Schlussfolgerungen veröffentlicht, und etwa 42 % der wichtigsten Ergebnisse verfügen über Lean-Formalisierungen.
Lean ist eine Programmiersprache, mit der sich ein Beweis durch einen Computer überprüfen lässt. Wenn der Code kompiliert, bedeutet dies nicht, dass der Code und das schriftliche Argument identisch sind. Es bedeutet lediglich, dass die formale Aussage wahr ist.
Alexander Bastounis, Fabian Circelli und Anders C. Hansen untersuchten diese Lücke in einem am 6. Oktober veröffentlichten Paper. Sie stellen fest, dass das schriftliche Navier-Stokes-Paper von OpenAI stärkere Behauptungen aufstellt, als durch seinen Lean-Code bewiesen wird, und eine Schätzung ändert die Reihenfolge der Eingabeableitungen.
Die Autoren entdeckten ähnliche Übersetzungsfehler in OpenAIs Euler-Beweis. Der schriftliche Beweis von OpenAI und andere autoformalisierte Lean-Beweise „sollten nicht ohne denselben Peer-Review-Prozess und dieselbe Prüfung wie andere Beweise vertraut werden“, schrieben sie.
Das Navier-Stokes-Ergebnis wurde von OpenAI am 8. September angekündigt. Laut Cryptopolitan stritt der NYU-Mathematiker Tristan Buckmaster dann dessen Beschreibung des minimalen menschlichen Aufwands bei der Arbeit an.
Das Unternehmen verpflichtete sich, Geld für Workshops, Konferenzen und Sonderprogramme zu wichtigen KI-Ergebnissen bereitzustellen.
Am 6. Oktober schrieb Terence Tao, dass KI-Prompter oft Probleme lösen und dann ihr Interesse am Fachgebiet verlieren. Viele könnten keine Fragen beantworten oder Vorträge über das Ergebnis halten, schrieb er. Sein Beitrag nannte OpenAI nicht.
Das Unternehmen habe gesagt, dass seine Berater keinen Einfluss auf das Tempo seiner Forschung haben, berichtete Cryptopolitan im September.
Wenn Sie dies lesen, sind Sie bereits einen Schritt voraus. Bleiben Sie mit unserem Newsletter auf dem Laufenden.
Häufig gestellte Fragen
Was hat OpenAI am 6. 2026 veröffentlicht?
719 mathematische Manuskripte eines nicht veröffentlichten internen Modells, mit Lean-Formalisierungen für etwa 42 % der wichtigsten Ergebnisse.
Was hat die Beratergruppe OpenAI gebeten zu tun?
Das Testen fortgeschrittener Mathematikprobleme an proprietären Modellen einzustellen und die Prompts sowie eine zusammengefasste Gedankenkette für jedes Ergebnis zu veröffentlichen.
Warum sind Mathematiker besorgt über den Navier-Stokes-Beweis?
Eine Studie ergab, dass der Lean-Code von OpenAI schwächere Aussagen beweist als sein schriftlicher Beweis und die Ableitungsreihenfolge bei einer Schätzung ändert.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com übernimmt keine Haftung für Investitionen, die auf den auf dieser Seite bereitgestellten Informationen basieren. Wir empfehlen dringend, vor der Entscheidung für eine Anlage unabhängige Recherchen durchzuführen und/oder sich mit einem qualifizierten Fachmann beraten zu lassen.
Randa Moses
Randa Moses ist Redakteurin und Reporterin bei Cryptopolitan, wo sie über Technologie, KI, Robotik, Krypto, Betrug und Hacks berichtet. Sie arbeitet seit 2017 im Krypto-Bereich. Zuvor war sie bei Forward Protocol, AmaZix und Cryptosomniac tätig. Randa besitzt einen Abschluss in Elektrotechnik und Elektronik der University of Bradford.
