Más allá del logro o de la demostración en sí, es interesante que incluso en los modelos más recientes una parte considerable del prompt se use, en la práctica, para indicarle al modelo que realmente resuelva el problema.
Frases como “rechazar informes de estado, optimismo vago y afirmaciones de que proposiciones globales de compatibilidad no demostradas son ‘rutinarias’” van en esa línea, y también llama la atención la parte donde se le dan muchas estrategias.
Esas estrategias al final se sienten como algo que el modelo debería razonar por sí mismo; no intento restarle mérito al resultado, pero me recuerda a los primeros enfoques de cadena de pensamiento, cuando se le pedía a GPT-4 “piensa paso a paso”.
Creo que esto tiene mucho que ver con el postentrenamiento que suelen recibir los modelos.
Están diseñados para dar respuestas breves y directas de resumen ante preguntas básicas, así que tienen la capacidad de razonar en profundidad, pero sin un prompt no tienden a ir hacia ahí.
Los grandes modelos de lenguaje de 2026 son muy capaces y, a la vez, se sienten como una especie de truco de salón: no son conscientes, sino más bien máquinas que, si les preparas el contexto, ruedan cuesta abajo.
Con la entrada correcta pueden llegar a respuestas realmente nuevas, pero al no tener voluntad y depender de la guía humana, son asombrosos y mecánicos al mismo tiempo.
Los grandes modelos de lenguaje tienen razonamiento básico y una enorme memorización.
Si se combina ese razonamiento básico con una búsqueda podada y una cantidad enorme de cómputo, se pueden demostrar muchas cosas, pero el recuerdo de los fracasos humanos recorta posibilidades de antemano.
Por eso hace falta esforzarse en convencer al modelo de que no pode demasiado pronto basándose en fracasos humanos anteriores.
Me dio risa ver exactamente el mismo fenómeno cuando pregunté por P=NP.
Los modelos se negaban abiertamente siquiera a intentarlo, diciendo que era demasiado difícil, y había que pelear bastante para lograr que propusieran aunque fuera un enfoque prometedor.
Quizá también haga falta un modelo ajustado específicamente para investigación matemática, algo como “gpt-5.3-codex”.
Me dan ganas de esperar un “gpt-5.6-mathx”.
Yo también lo vi así, y el prompt está lleno de metaheurísticas.
Me recordó a la época de hace unos años en que se decía que la ingeniería de prompts era una habilidad.
Si tuviera que especular, diría que la razón por la que el modelo no hizo esto por sí solo es que, en la mayoría de los problemas, buena parte de esos consejos son malos consejos.
En la optimización de búsquedas normalmente se intercambian tiempo y calidad: una búsqueda muy amplia devuelve resultados pésimos durante mucho tiempo, mientras que una búsqueda orientada a profundidad con heurísticas tiende a producir resultados bastante buenos rápidamente.
El modelo intentaría de forma natural encontrar el punto medio que es mejor en la mayoría de los casos, pero en un problema muy difícil donde un intento razonable no basta, se necesita una búsqueda mucho más amplia y sin restricciones de tiempo.
Buena parte del prompt también parecía orientada a ampliar la búsqueda, evitar la convergencia prematura y eliminar la presión de tiempo.
Creo que los criterios para una tarea fácil de automatizar con un agente de IA pueden resumirse de forma bastante sólida así: qué tan fácil es especificar y verificar la corrección de la respuesta, qué tanto puede implementarse en texto una nueva respuesta candidata, y qué tanta investigación previa existe en línea.
Eso corresponde básicamente a la ingeniería de software y a las matemáticas.
Creo que buena parte del hype de la IA viene de que el trabajo de los propios diseñadores de IA es el tipo de empleo más fácil de automatizar con IA.
Piensan: “si mi trabajo mejora tanto con IA, todos los trabajos serán iguales”, pero irónicamente la realidad parece ser casi lo contrario, y lo mismo aplica a las predicciones de desaparición masiva del trabajo.
Es una perspectiva interesante, pero creo que 2 de esos puntos están algo exagerados.
Me parece que la mayor parte del software no es lo mismo que resolver un problema matemático o un conjunto de problemas matemáticos.
Los problemas de algoritmos pueden estar más cerca de eso, porque son un dominio estrecho donde ya existe un oráculo para verificar si la respuesta es correcta o incorrecta.
En la mayor parte del software, la función de corrección es cuánto quieren usarlo y pagar por él los usuarios, y eso es un problema bastante difuso.
Como el costo de replicación del software es prácticamente 0, los sistemas también tienden a volverse únicos en lugar de exactamente iguales entre sí, y a divergir en lugar de converger hacia otros sistemas.
La parte de la investigación previa también es interesante.
Al menos si se mira una aplicación completa, la mayoría de los problemas y compromisos que contiene un software no trivial de tamaño significativo no tienen realmente investigación previa.
Si el proyecto es crear una app de lista de tareas o una red social, seguramente haya muchos precedentes suficientes para que un sistema de grandes modelos de lenguaje lo construya, pero es probable que la mayoría de las apps no sean así.
Supongamos que la IA solo es buena en software y matemáticas.
Si con IA se puede crear mucho buen software a bajo costo, ese software puede automatizar muchos empleos.
Así que no hace falta que la IA quite empleos directamente; puede hacerlo el software escrito por IA.
Más aún si eso también se vuelve posible en software para robots.
¿Podrías explicar qué quieres decir con “la realidad es lo contrario, y lo mismo aplica a las predicciones de desaparición masiva del trabajo”?
Un conjunto de tareas verificables, es decir, programación, matemáticas, etc., claramente parece que la IA llegará a hacerlas bien.
Tampoco veo por qué otro conjunto grande, como derecho, contabilidad o análisis financiero, no podría alcanzar niveles sobrehumanos con IA; solo parece hacer falta incorporar más conocimiento de dominio dentro del arnés y del software.
¿Crees que a largo plazo habrá aspectos del trabajo del conocimiento en los que la IA no será buena?
Muchos puestos de cuello blanco son verificables.
Si construyes robots, las tareas del mundo real también se vuelven verificables de pronto.
Según Dwarkesh, la repetibilidad durante el entrenamiento también es importante.
A diferencia del problema de la distancia unitaria, lo impresionante aquí no es un contraejemplo, sino una demostración.
Eso sí, la demostración es extremadamente concisa, así que parece aprovechar un truco ingenioso que todos los expertos pasaron por alto.
No quiero restarle mérito a este resultado sorprendente ni mover los postes de la portería, pero ahora el único logro que parece que la IA todavía no ha alcanzado en matemáticas es una demostración autónoma de “construcción teórica” para una conjetura abierta.
Es decir, una demostración en la que, para romper un problema abierto, haya que crear una nueva teoría sustancial que se desarrollaría en al menos 30 páginas.
Es realmente concisa y, tal como dices, se lee como si aprovechara propiedades ya descubiertas y las combinara de una forma nueva.
Me gusta mucho el estilo.
Se lee como los artículos de antes, esos en los que el teorema y la demostración avanzan directo, exactamente como se enuncian.
Grant Sanderson distinguió hace poco, en el podcast de Dwarkesh, entre matemáticos que crean gramáticas y matemáticos que las manipulan.
En algunos contextos quizá se usaría la palabra ontología, pero esa distinción me gustó bastante.
Creo que ahora estamos en la etapa de manipulación de la gramática.
Crear ontologías útiles todavía parece algo lejano.
No es una queja sobre este resultado espectacular, sino una forma de pensar dónde se pondrán los próximos postes de la portería.
¿Hay motivo para decir “sin embargo”?
Según mi interpretación, de verdad encontró una solución nueva, y es una solución elegante y que antes se había pasado por alto.
Creo que esto es exactamente el tipo de resultado al que aspiraría un matemático humano.
Por diversión le pregunté a ChatGPT 5.5 qué tan importante era este problema y qué posibilidades había de que 5.6 lo resolviera con una solución de tres páginas, y respondió que eran casi cero.
También le hice buscar en internet, pero siguió siendo extremadamente escéptico.
Me pregunto si corrieron sesiones en paralelo cada vez.
Una intentando demostrarlo y otra buscando contraejemplos, por ejemplo.
“Dedica al menos 8 horas antes de pensar en devolver una respuesta o rendirte”.
¿El arnés de modelos actual tiene el concepto de tiempo transcurrido?
A veces he visto que el modelo se da cuenta de que un subproceso tarda demasiado o se cuelga y lo mata, pero nunca he visto que mida el tiempo por sí mismo.
“Tardó un poco menos de una hora”.
Aun así, me pregunto cuánta sesgo del superviviente hay aquí.
¿Cuántos otros problemas fallaron?
¿Este problema ya se había intentado resolver con otros prompts y había fallado?
De todos modos, es muy impresionante.
Es realmente genial que hayan hecho público el prompt.
Me pregunto cuántos problemas no resueltos se intentan con cada nuevo modelo de frontera.
¿Están probando todos los problemas en cada lanzamiento?
¿Cuál es la tasa de éxito?
¿Existe dentro de las matemáticas una subcomunidad que coordine estos esfuerzos?
¿Cuántas oportunidades quedan todavía sin explotar?
Es un poco interesante que no se haya hecho pública la salida completa.
Una crítica habitual a la escritura matemática es que los resultados parecen “sacados de un sombrero”.
Se escribe solo la demostración final pulida, y se oculta todo lo que entró en desarrollarla.
Es irónico que esa práctica continúe incluso cuando un modelo de lenguaje grande escribe una demostración.
El prompt se publicó, pero no el costo de obtener el resultado.
Estoy casi seguro de que ya se han invertido millones de dólares en costos de inferencia en la hipótesis de Riemann.
A medida que los modelos se vuelvan más potentes, se invertirá aún más dinero.
Imagina pagar “apenas 1.000 millones de dólares” y quedar como la empresa que resolvió el problema abierto más difícil y famoso de la historia de las matemáticas.
También puedo imaginar los titulares de la prensa mundial.
Como suele decirse, la hipótesis de Riemann es la forma más difícil de ganar un millón de dólares.
Si todas las verificaciones pasan, esto es un hito enorme.
La IA acaba de usar un modelo disponible y resolver, en una hora, uno de los problemas abiertos más famosos de la teoría de grafos.
A estas alturas quizá ya sea mejor matemática que la mayoría de los humanos.
Es parecido a cuando el software de ajedrez empezó a ganarle a todos salvo a los grandes maestros.
¿Qué queda ahora?
¿Proponer y construir teorías y marcos completamente nuevos?
¿Después volverse mejor que cualquier humano?
¿Y después resultados matemáticos alienígenas que nos cueste entender?
Es difícil no sentir cierta sensación de vacío.
Soy una persona muy promedio en términos de inteligencia, quizá incluso por debajo del promedio.
Si sé que un modelo de lenguaje grande puede hacer mejor cualquier cosa que yo pueda hacer, ¿cuál es mi valor o mi razón de existir?
¿Cuál es mi valor en el mercado laboral y como ser humano?
Creo que lo que queda es que los humanos propongan nuevas conjeturas y las máquinas completen las demostraciones.
Aunque no sé si habrá suficientes conjeturas interesantes como para crear toda una carrera nueva.
Hablas de esas cosas como si fueran el próximo paso inmediato, pero en realidad quizá no avance así.
Por ejemplo, en los últimos años la IA no ha logrado ningún avance en superar a los expertos en arte o escritura.
Ha mejorado mucho siguiendo prompts y ahora puede dibujar manos y letras, pero el criterio artístico está completamente estancado.
Estos anuncios me generan sentimientos encontrados.
Por un lado, hay un potencial infinito en lo que podemos descubrir cuando un prompt de IA resuelve problemas antiguos.
Por otro, se pierde algo estético al no ser una persona la que forcejea con el problema o lo resuelve mediante una nueva intuición.
Si un prompt de IA corriera durante dos semanas en un centro de datos y devolviera p=np, creo que se sentiría un poco vacío.
Todas las generaciones han sentido alguna versión de esto.
“El teclado no tiene alma. La escritura a mano es personal y única, como una huella digital.” — Joyce Carol Oates sobre la máquina de escribir.
“Este descubrimiento tuyo producirá olvido en las almas de quienes aprendan, porque no usarán la memoria y dependerán de caracteres externos, sin recordar por sí mismos. Lo que has descubierto no es un remedio para la memoria, sino para la rememoración, y a tus discípulos no les darás la verdad, sino solo la apariencia de la verdad.” — Sócrates sobre la escritura.
Entiendo esa sensación, pero, por otro lado, los humanos que lean esa salida recibirán un impulso de inspiración bastante grande.
Las respuestas nuevas suelen generar preguntas nuevas.
ChatGPT 5.6 Sol Pro considera que esta demostración es válida
Normalmente es muy bueno para determinar si una demostración es correcta y dónde falla, y un amigo que es investigador de matemáticas de primer nivel también la revisó: https://chatgpt.com/share/6a515ead-b464-83ed-b85c-c8674f56ea...
Personalmente, estoy cada vez más convencido de que esto es real
Claro que va a creer que la demostración es válida, si la escribió él mismo
Para verificar la salida de un modelo de lenguaje grande, hay que usar otro modelo de lenguaje grande
“GPT-5.6 Sol Ultra genera una demostración de la conjetura de doble recubrimiento por ciclos”
Es un título de artículo muy engañoso
El título debería ser “Humanos anónimos usan GPT-5.6 para generar una demostración no verificada de la conjetura CDC”
Aunque supongo que lo que sale de la industria de la IA será puro texto publicitario
Me gusta lo concisa que es la demostración
He logrado avances en algunos problemas abiertos de combinatoria, y una demostración que ampliaba la frontera un paso tenía 45 páginas
En la secundaria hice investigación en matemáticas, y la demostración terminaba reduciéndose a decenas de casos de feas desigualdades polinómicas
Ahora no puedo encontrar el PDF, pero el artículo final tenía unas 70 páginas, y en algunas de ellas las expresiones polinómicas desarrolladas ocupaban toda una página
La prosa real probablemente era de unas 5 páginas
Fue, sin duda, la demostración menos elegante que he visto
Agradezco mucho haber podido investigar desde temprano y tener la oportunidad de meterme en el tema, pero me da vergüenza mirar atrás a ese artículo
1 comentarios
Opiniones en Hacker News
Más allá del logro o de la demostración en sí, es interesante que incluso en los modelos más recientes una parte considerable del prompt se use, en la práctica, para indicarle al modelo que realmente resuelva el problema.
Frases como “rechazar informes de estado, optimismo vago y afirmaciones de que proposiciones globales de compatibilidad no demostradas son ‘rutinarias’” van en esa línea, y también llama la atención la parte donde se le dan muchas estrategias.
Esas estrategias al final se sienten como algo que el modelo debería razonar por sí mismo; no intento restarle mérito al resultado, pero me recuerda a los primeros enfoques de cadena de pensamiento, cuando se le pedía a GPT-4 “piensa paso a paso”.
Están diseñados para dar respuestas breves y directas de resumen ante preguntas básicas, así que tienen la capacidad de razonar en profundidad, pero sin un prompt no tienden a ir hacia ahí.
Los grandes modelos de lenguaje de 2026 son muy capaces y, a la vez, se sienten como una especie de truco de salón: no son conscientes, sino más bien máquinas que, si les preparas el contexto, ruedan cuesta abajo.
Con la entrada correcta pueden llegar a respuestas realmente nuevas, pero al no tener voluntad y depender de la guía humana, son asombrosos y mecánicos al mismo tiempo.
Si se combina ese razonamiento básico con una búsqueda podada y una cantidad enorme de cómputo, se pueden demostrar muchas cosas, pero el recuerdo de los fracasos humanos recorta posibilidades de antemano.
Por eso hace falta esforzarse en convencer al modelo de que no pode demasiado pronto basándose en fracasos humanos anteriores.
Los modelos se negaban abiertamente siquiera a intentarlo, diciendo que era demasiado difícil, y había que pelear bastante para lograr que propusieran aunque fuera un enfoque prometedor.
Me dan ganas de esperar un “gpt-5.6-mathx”.
Me recordó a la época de hace unos años en que se decía que la ingeniería de prompts era una habilidad.
Si tuviera que especular, diría que la razón por la que el modelo no hizo esto por sí solo es que, en la mayoría de los problemas, buena parte de esos consejos son malos consejos.
En la optimización de búsquedas normalmente se intercambian tiempo y calidad: una búsqueda muy amplia devuelve resultados pésimos durante mucho tiempo, mientras que una búsqueda orientada a profundidad con heurísticas tiende a producir resultados bastante buenos rápidamente.
El modelo intentaría de forma natural encontrar el punto medio que es mejor en la mayoría de los casos, pero en un problema muy difícil donde un intento razonable no basta, se necesita una búsqueda mucho más amplia y sin restricciones de tiempo.
Buena parte del prompt también parecía orientada a ampliar la búsqueda, evitar la convergencia prematura y eliminar la presión de tiempo.
Creo que los criterios para una tarea fácil de automatizar con un agente de IA pueden resumirse de forma bastante sólida así: qué tan fácil es especificar y verificar la corrección de la respuesta, qué tanto puede implementarse en texto una nueva respuesta candidata, y qué tanta investigación previa existe en línea.
Eso corresponde básicamente a la ingeniería de software y a las matemáticas.
Creo que buena parte del hype de la IA viene de que el trabajo de los propios diseñadores de IA es el tipo de empleo más fácil de automatizar con IA.
Piensan: “si mi trabajo mejora tanto con IA, todos los trabajos serán iguales”, pero irónicamente la realidad parece ser casi lo contrario, y lo mismo aplica a las predicciones de desaparición masiva del trabajo.
Me parece que la mayor parte del software no es lo mismo que resolver un problema matemático o un conjunto de problemas matemáticos.
Los problemas de algoritmos pueden estar más cerca de eso, porque son un dominio estrecho donde ya existe un oráculo para verificar si la respuesta es correcta o incorrecta.
En la mayor parte del software, la función de corrección es cuánto quieren usarlo y pagar por él los usuarios, y eso es un problema bastante difuso.
Como el costo de replicación del software es prácticamente 0, los sistemas también tienden a volverse únicos en lugar de exactamente iguales entre sí, y a divergir en lugar de converger hacia otros sistemas.
La parte de la investigación previa también es interesante.
Al menos si se mira una aplicación completa, la mayoría de los problemas y compromisos que contiene un software no trivial de tamaño significativo no tienen realmente investigación previa.
Si el proyecto es crear una app de lista de tareas o una red social, seguramente haya muchos precedentes suficientes para que un sistema de grandes modelos de lenguaje lo construya, pero es probable que la mayoría de las apps no sean así.
Si con IA se puede crear mucho buen software a bajo costo, ese software puede automatizar muchos empleos.
Así que no hace falta que la IA quite empleos directamente; puede hacerlo el software escrito por IA.
Más aún si eso también se vuelve posible en software para robots.
Un conjunto de tareas verificables, es decir, programación, matemáticas, etc., claramente parece que la IA llegará a hacerlas bien.
Tampoco veo por qué otro conjunto grande, como derecho, contabilidad o análisis financiero, no podría alcanzar niveles sobrehumanos con IA; solo parece hacer falta incorporar más conocimiento de dominio dentro del arnés y del software.
¿Crees que a largo plazo habrá aspectos del trabajo del conocimiento en los que la IA no será buena?
Si construyes robots, las tareas del mundo real también se vuelven verificables de pronto.
A diferencia del problema de la distancia unitaria, lo impresionante aquí no es un contraejemplo, sino una demostración.
Eso sí, la demostración es extremadamente concisa, así que parece aprovechar un truco ingenioso que todos los expertos pasaron por alto.
No quiero restarle mérito a este resultado sorprendente ni mover los postes de la portería, pero ahora el único logro que parece que la IA todavía no ha alcanzado en matemáticas es una demostración autónoma de “construcción teórica” para una conjetura abierta.
Es decir, una demostración en la que, para romper un problema abierto, haya que crear una nueva teoría sustancial que se desarrollaría en al menos 30 páginas.
Me gusta mucho el estilo.
Se lee como los artículos de antes, esos en los que el teorema y la demostración avanzan directo, exactamente como se enuncian.
En algunos contextos quizá se usaría la palabra ontología, pero esa distinción me gustó bastante.
Creo que ahora estamos en la etapa de manipulación de la gramática.
Crear ontologías útiles todavía parece algo lejano.
No es una queja sobre este resultado espectacular, sino una forma de pensar dónde se pondrán los próximos postes de la portería.
Según mi interpretación, de verdad encontró una solución nueva, y es una solución elegante y que antes se había pasado por alto.
Creo que esto es exactamente el tipo de resultado al que aspiraría un matemático humano.
También le hice buscar en internet, pero siguió siendo extremadamente escéptico.
Una intentando demostrarlo y otra buscando contraejemplos, por ejemplo.
Anuncio: https://x.com/eknight/status/2075643450196971805
Prompt: https://cdn.openai.com/pdf/04d1d1e4-bc75-476a-97cf-49055cd98...
¿El arnés de modelos actual tiene el concepto de tiempo transcurrido?
A veces he visto que el modelo se da cuenta de que un subproceso tarda demasiado o se cuelga y lo mata, pero nunca he visto que mida el tiempo por sí mismo.
Aun así, me pregunto cuánta sesgo del superviviente hay aquí.
¿Cuántos otros problemas fallaron?
¿Este problema ya se había intentado resolver con otros prompts y había fallado?
De todos modos, es muy impresionante.
Es realmente genial que hayan hecho público el prompt.
Me pregunto cuántos problemas no resueltos se intentan con cada nuevo modelo de frontera.
¿Están probando todos los problemas en cada lanzamiento?
¿Cuál es la tasa de éxito?
¿Existe dentro de las matemáticas una subcomunidad que coordine estos esfuerzos?
¿Cuántas oportunidades quedan todavía sin explotar?
Una crítica habitual a la escritura matemática es que los resultados parecen “sacados de un sombrero”.
Se escribe solo la demostración final pulida, y se oculta todo lo que entró en desarrollarla.
Es irónico que esa práctica continúe incluso cuando un modelo de lenguaje grande escribe una demostración.
A medida que los modelos se vuelvan más potentes, se invertirá aún más dinero.
Imagina pagar “apenas 1.000 millones de dólares” y quedar como la empresa que resolvió el problema abierto más difícil y famoso de la historia de las matemáticas.
También puedo imaginar los titulares de la prensa mundial.
Como suele decirse, la hipótesis de Riemann es la forma más difícil de ganar un millón de dólares.
Si todas las verificaciones pasan, esto es un hito enorme.
La IA acaba de usar un modelo disponible y resolver, en una hora, uno de los problemas abiertos más famosos de la teoría de grafos.
A estas alturas quizá ya sea mejor matemática que la mayoría de los humanos.
Es parecido a cuando el software de ajedrez empezó a ganarle a todos salvo a los grandes maestros.
¿Qué queda ahora?
¿Proponer y construir teorías y marcos completamente nuevos?
¿Después volverse mejor que cualquier humano?
¿Y después resultados matemáticos alienígenas que nos cueste entender?
Soy una persona muy promedio en términos de inteligencia, quizá incluso por debajo del promedio.
Si sé que un modelo de lenguaje grande puede hacer mejor cualquier cosa que yo pueda hacer, ¿cuál es mi valor o mi razón de existir?
¿Cuál es mi valor en el mercado laboral y como ser humano?
Aunque no sé si habrá suficientes conjeturas interesantes como para crear toda una carrera nueva.
Por ejemplo, en los últimos años la IA no ha logrado ningún avance en superar a los expertos en arte o escritura.
Ha mejorado mucho siguiendo prompts y ahora puede dibujar manos y letras, pero el criterio artístico está completamente estancado.
Estos anuncios me generan sentimientos encontrados.
Por un lado, hay un potencial infinito en lo que podemos descubrir cuando un prompt de IA resuelve problemas antiguos.
Por otro, se pierde algo estético al no ser una persona la que forcejea con el problema o lo resuelve mediante una nueva intuición.
Si un prompt de IA corriera durante dos semanas en un centro de datos y devolviera p=np, creo que se sentiría un poco vacío.
“El teclado no tiene alma. La escritura a mano es personal y única, como una huella digital.” — Joyce Carol Oates sobre la máquina de escribir.
“Este descubrimiento tuyo producirá olvido en las almas de quienes aprendan, porque no usarán la memoria y dependerán de caracteres externos, sin recordar por sí mismos. Lo que has descubierto no es un remedio para la memoria, sino para la rememoración, y a tus discípulos no les darás la verdad, sino solo la apariencia de la verdad.” — Sócrates sobre la escritura.
Las respuestas nuevas suelen generar preguntas nuevas.
ChatGPT 5.6 Sol Pro considera que esta demostración es válida
Normalmente es muy bueno para determinar si una demostración es correcta y dónde falla, y un amigo que es investigador de matemáticas de primer nivel también la revisó: https://chatgpt.com/share/6a515ead-b464-83ed-b85c-c8674f56ea...
Personalmente, estoy cada vez más convencido de que esto es real
Para verificar la salida de un modelo de lenguaje grande, hay que usar otro modelo de lenguaje grande
“GPT-5.6 Sol Ultra genera una demostración de la conjetura de doble recubrimiento por ciclos”
Es un título de artículo muy engañoso
El título debería ser “Humanos anónimos usan GPT-5.6 para generar una demostración no verificada de la conjetura CDC”
Aunque supongo que lo que sale de la industria de la IA será puro texto publicitario
Me gusta lo concisa que es la demostración
He logrado avances en algunos problemas abiertos de combinatoria, y una demostración que ampliaba la frontera un paso tenía 45 páginas
Ahora no puedo encontrar el PDF, pero el artículo final tenía unas 70 páginas, y en algunas de ellas las expresiones polinómicas desarrolladas ocupaban toda una página
La prosa real probablemente era de unas 5 páginas
Fue, sin duda, la demostración menos elegante que he visto
Agradezco mucho haber podido investigar desde temprano y tener la oportunidad de meterme en el tema, pero me da vergüenza mirar atrás a ese artículo