Maison
Google AlphaProof Nexus résout une énigme mathématique vieille de 56 ans, redéfinissant ainsi les mathématiques
L'équipe Google DeepMind a récemment présenté « AlphaProof Nexus », un nouveau cadre d'IA qui combine un raisonnement avancé et la vérification formelle. Ce système a permis une avancée majeure dans la recherche mathématique en résolvant deux problèmes d'Erdős restés sans solution pendant 56 ans.

Une architecture à quatre niveaux d'agents à l'origine de percées collaboratives
AlphaProof Nexus utilise une conception innovante composée de quatre agents IA de complexité croissante. Partant du modèle de base Gemini interagissant avec le compilateur Lean, il ajoute progressivement des extraits de complétion de code et des mécanismes d'évolution similaires à ceux d'AlphaEvolve, pour aboutir à un agent de niveau supérieur qui partage, évalue et trie plusieurs ébauches de preuves.
Lors de tests autonomes portant sur 353 problèmes d'Erdős non résolus, le système en a résolu neuf et a également prouvé 44 conjectures non résolues issues de l'Encyclopédie en ligne des suites d'entiers. Fait remarquable, AlphaProof Nexus est capable de raisonner sur un seul problème complexe pour seulement quelques centaines de dollars.
L'ancrage du retour d'information du compilateur alimente l'évolution de l'IA
Au-delà de ses réalisations en combinatoire et en théorie des nombres, le système a résolu un problème de fonction de Hilbert resté en suspens pendant 15 ans et a amélioré les bornes connues en optimisation convexe. En analysant les données expérimentales, l'équipe de recherche a découvert que même l'agent de base le plus simple pouvait résoudre certains problèmes grâce à l'effet d'« ancrage » du retour d'information puissant fourni par le compilateur Lean.
Article connexe
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés
Conformité des véhicules autonomes en Californie : une nouvelle ère marquée par les amendes, les zones de géolocalisation et 1 million de miles
Guident exploite une navette AuveTech dans le sud de la Floride, gérant un parcours de quatre miles à West Palm Beach et un parcours d’un mile à Boca Raton grâce à sa technologie de surveillance à dis
Recommandations de sujets spéciaux liés
commentaires (0)
L'équipe Google DeepMind a récemment présenté « AlphaProof Nexus », un nouveau cadre d'IA qui combine un raisonnement avancé et la vérification formelle. Ce système a permis une avancée majeure dans la recherche mathématique en résolvant deux problèmes d'Erdős restés sans solution pendant 56 ans.

Une architecture à quatre niveaux d'agents à l'origine de percées collaboratives
AlphaProof Nexus utilise une conception innovante composée de quatre agents IA de complexité croissante. Partant du modèle de base Gemini interagissant avec le compilateur Lean, il ajoute progressivement des extraits de complétion de code et des mécanismes d'évolution similaires à ceux d'AlphaEvolve, pour aboutir à un agent de niveau supérieur qui partage, évalue et trie plusieurs ébauches de preuves.
Lors de tests autonomes portant sur 353 problèmes d'Erdős non résolus, le système en a résolu neuf et a également prouvé 44 conjectures non résolues issues de l'Encyclopédie en ligne des suites d'entiers. Fait remarquable, AlphaProof Nexus est capable de raisonner sur un seul problème complexe pour seulement quelques centaines de dollars.
L'ancrage du retour d'information du compilateur alimente l'évolution de l'IA
Au-delà de ses réalisations en combinatoire et en théorie des nombres, le système a résolu un problème de fonction de Hilbert resté en suspens pendant 15 ans et a amélioré les bornes connues en optimisation convexe. En analysant les données expérimentales, l'équipe de recherche a découvert que même l'agent de base le plus simple pouvait résoudre certains problèmes grâce à l'effet d'« ancrage » du retour d'information puissant fourni par le compilateur Lean.
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés











