Прорыв в автономной математике
Команда исследователей во главе с Йоханнесом Шмиттом (Johannes Schmitt) представила ProofCouncil — специализированного агента на базе больших языковых моделей (LLM), предназначенного для решения открытых математических задач. В отличие от стандартных подходов, ProofCouncil использует архитектуру "author-critic" (автор-критик), имитирующую реальный научный процесс: одна часть агента генерирует доказательства, а другая — рецензирует и исправляет их.
Результаты на FirstProof: лидерство среди команд
ProofCouncil был представлен во втором раунде соревнования FirstProof, где агентам предстояло самостоятельно решить 10 реальных математических проблем. Результат превзошел ожидания всех участников:
- 6 из 10 решений были признаны рефери корректными (с допустимыми незначительными правками).
- Это показало лучший результат среди всех команд-участников второго батча.
Валидация на реальных данных от исследователей
Помимо соревнования, агент был протестирован на выборке из 30 открытых проблем, предоставленных реальными математиками. Из 21 решения, получившего обратную связь от экспертов, результаты распределились следующим образом:
| Категория решения | Количество | Статус |
|---|---|---|
| Полностью верные | 5 | Признаны корректными |
| Перспективные | 2 | Требуют финальной проверки |
| Частичный прогресс | 8 | Содержат полезные элементы |
Открытый код и библиотека
Авторы подчеркивают, что ценность ProofCouncil не только в результатах, но и в инструментарии. Команда выложила в открытый доступ библиотеку для создания таких агентов. Это позволяет сообществу воспроизвести методологию «автор-критик» для других сложных задач, выходящих за рамки чистой математики.
Работа опубликована в arXiv (2026) и описана в официальном отчете FirstProof (System A: IMProofBench ProofCouncil).
Источник: arXiv cs.AI ↗