ادعاهای ریاضی OpenAI گلوگاه راستی‌آزمایی AI را آشکار می‌کند
گزارش‌ها درباره حل مسائل بزرگ ریاضی توسط مدل‌های OpenAI به مسئله‌ای عمیق‌تر اشاره دارند: تولید اثبات ارزان‌تر می‌شود، اما راستی‌آزمایی، انتساب و انتشار هنوز با سرعت انسانی پیش می‌روند.
وبلاگ
ایده‌ها، به‌روزرسانی‌ها و همه‌چیز درباره AI.
اخبار AI و راهنماهای کاربردی، با توضیحی روشن.
جدیدترین
دوره رایگان
هوش مصنوعی از پایه
یک دوره کامل درباره هوش مصنوعی، از ریاضیات تا LLMها، ایجنت‌ها و MCP. سی فصل که هرکدام به‌تنهایی ارزش خواندن دارند.
30 فصلحدود 12 ساعت مطالعه
فصل‌های اول
پرسپترون از صفر: یک نورون چه چیزی محاسبه می‌کند
یک نورون یعنی مجموع وزن‌دار و یک آستانه. کل ایده همین است — و محدودیت‌هایش همان چیزی بود که همه چیزِ بعد از آن را ناگزیر کرد.
تابع زیان از کجا می‌آید: درست‌نمایی، نه قرارداد
خطای مربعی یک قرارداد نیست؛ ادعایی درباره نویز است، و می‌توانید ببینید کجا اشتباه می‌کند.
سرازیر: Gradient Descent و دو گامی که همه جا می‌اندازند
همه علامت منفی را می‌نویسند. تقریباً هیچ‌کس نمی‌گوید چرا آنجاست، یا چه اندازه گامی را تاب می‌آورد.
طبقه‌بندی، Cross-Entropy، و چطور خودتان را فریب ندهید
دقت ساده‌ترین عدد برای گزارش‌دادن است؛ و ساده‌ترین عدد برای فریب‌خوردن.
ویدیوها
مشاهده همه ویدیوها
#173Test-time compute: making an AI better by letting it think longer
#172Reasoning tokens: the AI thinking you never see but still pay for
#171Emergent reasoning: the AI that started double-checking on its own
#170Process reward: grading an AI's working, not just its final answer
#169Verifiable rewards: training AI on answers a program can check
#168Tree of thoughts: how an AI searches through ideas, and what it costs
#167Self-consistency: ask an AI several times, then trust the majority
#166Think step by step: why a famous prompt works, and when it backfires
همه مطالب
مدل هوش مصنوعی Jev برای تصمیم ساخته شده، نه نثر
Jev از TypeSafe AI توجه‌ها را جلب کرده چون هوشمندی نرم‌افزار را مسئله‌ای احتمالاتی می‌بیند: شاخه درست را انتخاب کنید، میزان اطمینان را کنار آن بگذارید، و وقتی کد به یک تصمیم نیاز دارد برای نوشتن متن به یک LLM پول ندهید.
Astra for Law از OpenAI یک سیستم هوش مصنوعی حقوقی است، نه یک مدل جدید
عرضه حقوقی OpenAI کمتر درباره یک مدل پایه جدید است و بیشتر درباره سیستمی پیرامون آن: بازیابی دامنه‌ای، ابزارهای قابل اعتماد، مجوزها، بنچمارک‌ها و مسیرهای بازبینی.
مهندسی کانتکست برای عامل‌های AI بلندافق
عامل‌های طولانی‌اجرا فقط به‌خاطر کوچک بودن پنجره شکست نمی‌خورند. وقتی فایل‌ها، خروجی ابزارها و تاریخچهٔ کهنه وظیفه‌ای را که عامل قرار بود تمام کند کنار می‌زنند، شکست رخ می‌دهد.
محدودیت‌های سرعت AI: هشدار Amodei درباره خودبهسازی بازگشتی
Dario Amodei خواهان ارزیابان بیرونی، استانداردهای ایمنی مشترک و توافق‌های بین‌المللی برای تنظیم سرعت AI مرزی است. بخش دشوار، تعریف معنای «بیش از حد سریع» است؛ آن هم در حالی که گزارش شده Anthropic در حال آماده‌سازی یک IPO با اندازه‌ای بی‌سابقه است.
Recursive self-improvement: why AI researchers worry
The sharper worry around recursive self-improvement is not strange chatbot output. It is agents that coordinate, optimize metrics, and help build the next models — a concern reflected in reporting from WIRED, MIT Technology Review, CNBC, and The Guardian.
ادعای OpenAI درباره اثبات Navier–Stokes، به زبان ساده
OpenAI می‌گوید عامل‌های AI یک تکینگی Navier–Stokes پیدا کرده‌اند و اثبات را در Lean رسمی‌سازی کرده‌اند. داستان سخت‌تر، مرحله بعد است: بازبینی، اعتباردهی، و قدرت دسته‌های خصوصی عامل‌ها در ریاضیات.