Xinzhiyuan报告编辑：Dinghui [Xinzhiyuan介绍] Sebastien Bubeck是Microsoft AI前副总裁兼杰出科学家的副总裁，发表了一条消息，说GPT-5 Pro成功地说，零零论文的未解决率，这使他感到惊讶。这一发现吸引了许多大wig以将其传递，并且Openai总裁认为AI可以加速数学研究。 AI可以解决切割人员的问题吗？例如，诸如Poincaré的想象力，解决Maxwell的方程式，Fermat的定理和Riemann的猜测等问题。现在，这个问题有一个答案。 AI真的AI！绝对独立，没有人参考任何人的方法。昨晚，GPT-5 Pro从一开始就可以完全解决复杂的数学问题。再说一次，这并不是先前的任何人类证明方法。它的答案比纸张解决方案方法更好。但幸运的是，人们对纸张专业人员表示感谢在AI之外进行了一个全新的程序。 Sebastien Bubeck是OpenAI的一名研究工程师，此前曾担任微软副总裁兼人工智能科学家。他直接在GPT-5 Pro上扔了一张纸。本文研究了一个非常自然的问题：通过平滑的凸优化，梯度下降方法的步骤η的大小是什么，以及由与迭代点凸的功能值相对应产生的曲线？纸张地址：https：//arxiv.org/pdf/2503.10138v1在纸的V1版本中，他们证明，如果η小于1/L（L很平滑），则可以获得该所有者。如果ηislarger大于1.75/L，则具有-set和其他人的反例。因此，未解决的问题是：在间隔[1/L，1.75/L]内会发生什么。首先，简要解释这个问题。梯度下降就像去山上。每个步骤都需要步长η。 L可以理解为地形的“弯曲程度”（更大，更陡峭/灵敏度）。该纸不仅关心“如果下降”（无情地掉落），而且还要关心下降是“凸的”：也就是说，每个步骤的发展不太大还是太小，也不会像“前平台”，突然从悬崖上跳下来。”何时停止 - 凸面意味着它变得越来越稳定，而且再也不会突然变成bumagain。 Sebastien使用GPT-5 Pro来攻击此未解决的间隔，该模型将已知的下限从1/L推到1.5/L。以下是GPT-5 Pro提供的证明。尽管我乍一看不知道如何残酷，但总体证明过程看起来优雅。这一发现使塞巴斯蒂安感到高兴，并且仍然想直接发表Arxiv论文。但是，人们仍然领先于AI。纸张的原件迅速发布了V2版本，并已完全完成。他们写了1.75/L的阈值。塞巴斯蒂安（Sebastien）认为这一发现仍在刺激，为什么？ AI不击败人们吗？由于GPT-5 Pro在证明中，因此试图证明的是1.5/L而不是1.75/L，这也表明GPT-5 Pro并不直接寻找Bersthat的V2。另外，上述证明也与V2证明不同，这类似于证明V1的演变。从这一点开始，当前的AI功能不仅是医生的水平，而且通常超过医生的水平。这一发现还导致许多大wig说，AI的下一个可能的变化和影响是数学领域。在AI的帮助下，人类知识的界限将再次扩大。 Openai总裁格雷格·布罗克曼（Greg Brockman）表示，这可能表明AI在数学领域表现出活力。此外，这一发现也与以前宣布Openai赢得IMO和IOI的金牌不同。目前，解决数学问题的模型是用户的GPT-5 Pro版本，而不是内部推理模型。塞巴斯蒂安（Sebastien）说，这一结论是，这已经由他自己证明了25分钟。作为微软人工智能的前副总裁兼杰出科学家，他的证据必须得到固定。似乎AI确实证明了数学问题。尽管GPT-5在释放后将声誉混合在一起。但是，GPT-5 Pro实际上已经实现了，甚至超过了所谓的Ultraman“博士” AI。尽管目前解决的问题并不超过人类，但完全的自主性和自我探索信号仍然反映了AI功能。它使我想起了流浪的土壤上的苔藓，这也是一个自我发现，自组织和编程的AI。塞巴斯蒂安（Sebastien）是一个非常强大的人。他目前正在从事与Openai的人工智能有关的工作。在此之前，塞巴斯蒂安（Sebastien）曾担任副总裁兼Micro Scientistsoft，该公司从事Microsoft Research已有10年（最初加入了理论研究小组）。塞巴斯蒂安也工作了在普林斯顿大学担任助理教授三年。在Sebastien职业生涯的前15年中，他专注于凸，在线算法和对手在机器研究中的对手。他几次获得了这些研究工作的最佳纸张奖项（包括STOC2023，Neurips2018和2021的最佳纸张奖，这是与Microsoft Research的实习生合作的Alt2018和2023的最佳纸张奖项，Colt2016的最佳纸张奖和CLT2009的最佳奖学金）。现在，她更加专注于了解智力在大型语言模型中的出现以及如何利用这种理解来提高Cyalylarge语言模型的水平，这些语言模型最终可以实施通用人工智能（AGI）。 Sebastien称这种方法为“ AGI物理学”，因为他试图从各种量表（参数，神经元，神经元，层，数据课程等）中披露AI系统的各个部分如何一起工作，从而导致了惊人和不期望的这些模型的行为。似乎像塞巴斯蒂安（Sebastien）这样的数学和科学家正在努力解决大型模型黑匣子的奥秘。预计随着AI扩大人类认可的界限，人们也可以涵盖大型模型的秘密。请参阅以下信息：https：//x.com/sebasien%20bubeck/status/195819866139009862 特别声明：上面的内容（包括照片或视频（如果有））已上传并发布了“ NetASE”自我媒体平台的t。该平台仅提供信息存储服务。 注意：上面的内容（包括照片和视频（如果有））已由NetEase Hao用户上传和发布，该用户是社交媒体平台，仅提供信息存储服务。