Pereiti prie pagrindinio turinio
OpenAI

Dalijamės DI pažanga matematikos srityje

Įkeliama...

Skelbiame įvairius naujus matematikos rezultatus, kuriuos pasiekė vidinis priešakinis modelis.

Siekdami nustatyti vienodą dalijimosi rezultatais su matematikų bendruomene tvarką, konsultuojamės su nepriklausoma Pažangiųjų studijų instituto Matematikos ir dirbtinio intelekto patariamąja grupe⁠(atsidaro naujame lange) dėl gerosios praktikos. Skelbdami šiuos rezultatus, atsižvelgiame į jos patarimus ir viešas rekomendacijas⁠(atsidaro naujame lange).

Šį kartą rezultatus skelbiame GitHub saugykloje kartu su straipsnių taisymo ir citavimo tvarka. Toliau ieškome kitų bendruomenės prižiūrimų platformų šiems rezultatams skelbti, kurios atitiktų komiteto gaires. Ateityje įsipareigojame toliau gerinti skelbiamų straipsnių kokybę: tobulinti šaltinių citavimą, matematinės medžiagos dėstymą ir rezultatų pateikimą, kad juos būtų lengviau suprasti.

GitHub saugykloje taip pat dalijamės daugelio įrodymų formalizacijomis, užrašytomis Lean programavimo kalba, kuri leidžia matematinius įrodymus patikrinti kompiuteriu. Gavę daugiau formalizacijų, jomis papildysime saugyklą.

Siekdami skatinti mokslo skaidrumą ir atvirumą, saugykloje taip pat skelbiame papildomą informaciją apie tai, kaip gavome šiuos rezultatus. Pateikiame 10 modelio protavimo santraukų, apytikrį sunaudotų skaičiavimo išteklių įvertinimą, išreikštą Pro naudojimu ChatGPT, ir uždavinių, kuriuos bandyta išspręsti, skaičiaus statistiką. Vienam rezultatui gauti vidutiniškai prireikė tiek skaičiavimo išteklių, kiek jų sunaudojama per maždaug tris ChatGPT Pro mąstymo valandas.

Norime, kad ši pažanga plėstų žmonijos žinių ribas ir sudarytų sąlygas tolesnei matematikos pažangai. Finansuosime seminarus, konferencijas ir specialias programas, skirtas svarbiems DI pasiektiems rezultatams suprasti. Daugiau apie tai papasakosime artimiausiu metu.

Norime mokslininkams tiesiogiai suteikti pažangiausias galimybes ir siekiame atsakingai padaryti šiuos rezultatus pasiekusį modelį prieinamą. Todėl svarbu ir toliau vertinti mūsų vidinių priešakinių modelių gebėjimus matematikos ir kitų mokslų srityse, kad galėtume sparčiau kurti šių sričių pažangą skatinančias priemones. Ir toliau atsižvelgsime į bendruomenės atsiliepimus ir atnaujinsime standartus, kuriais vadovausimės ateityje skelbdami apie svarbius mokslo pasiekimus.

Autorius

OpenAI