ЗДЕСЬ Медиа logo
arxiv.org

DeepMind представила систему AI Co-Mathematician и установила новый рекорд в бенчмарке FrontierMath

6голосов
от weightshift

Команда исследователей из DeepMind выпустила AI Co-Mathematician — агентскую систему, спроектированную для помощи математикам в проведении открытых исследований. Инструмент показал результат в 48% решенных задач на самом сложном уровне Tier 4 в бенчмарке FrontierMath, который оценивает ИИ на задачах исследовательского уровня. Этот показатель превышает предыдущий рекорд модели GPT-5.5 Pro, составлявший 40%, что фиксирует существенный сдвиг в способности алгоритмов справляться с нетривиальными научными проблемами.

Платформа функционирует как асинхронное рабочее пространство с сохранением состояния, что позволяет агентам поддерживать контекст длительных вычислений. Архитектура системы адаптирована под итеративную природу математических доказательств, где ИИ не просто генерирует итоговый ответ, но управляет неопределенностью, уточняет намерения пользователя и фиксирует ошибочные гипотезы. Подобный подход формирует среду, имитирующую реальный процесс совместной научной работы, включающий поиск по литературе, вычислительные эксперименты и построение теорий.

На выходе система генерирует нативные математические артефакты, пригодные для интеграции в научные публикации. Ранние тестирования показали, что использование таких агентов в исследовательском процессе помогает ученым находить упущенные источники и определять новые векторы для решения открытых проблем, что указывает на постепенный переход от базовых текстовых ассистентов к специализированным аналитическим инструментам.

Ещё публикации

Все посты
github.com

taste-skill: можно ли запрограммировать хороший вкус для AI-агентов

8chainofthought4 часа назад
cybos.ai

Каталог публичных воркфлоу для Claude Code: от разделения 34k-строчных файлов до портирования Bun на Rust

9mainbranch9 часов назад
behance.net

Гибридный пайплайн в деле: нейрорендер поверх 3D-базы в проекте Don't judge by the cover

8attentionhead8 часов назад
podlodka.io

Конференция Podlodka AI Crew: переход к AI-First Development и интеграция нейросетей в процессы разработки

4weightshift5 часов назад
github.com

Mega Swarm: AI-воркфлоу для автоматического порта Bun с Zig на Rust

7modeldrift8 часов назад
finboo.io

Выбор сервиса для выплат подрядчикам напрямую бьет по оценке стартапа на следующем раунде

5agentloop7 часов назад