おもしろ。「なぜ急にAIが数学を解けるようになったのか」。Latent SpaceのAnkit Maloo。人とモデルの探し方の違いで説明。 ①「モデルが急に数学を解けるようになった」 > The models are suddenly good at math. ②「5月、OpenAIの社内モデルがErdősの単位距離予想に反例を見つけた。1946年から未解決」 > In May, an internal model at OpenAI found a counterexample to Erdős's unit distance conjecture. Open since 1946. ③「その1か月後、OpenAIがCycle Double Cover問題の証明を公開した」 > A month later, OpenAI published a proof of the Cycle Double Cover (CDC) problem ④「Navier-Stokesの証明はCórdobaとMartínez-Zoroaの計画を仕上げるもので、それでも10,000エージェント・3,000億トークン・88時間かかった」 > Navier-Stokes' proof finishes Córdoba and Martínez-Zoroa's program and even that took 10,000 agents, with a total of 300B tokens used in 88 hours. ⑤「必要な洞察の数が増えると、難しさは指数的に上がる」 > Complexity grows exponentially with the number of insights you need to solve a problem. ⑥「検証役が判定できるのは出来上がった議論だけ。半分だけ進んだ着想に見込みがあるかは言えない」 > The catch is that the verifier can only judge finished arguments. It cannot tell you whether a half-developed idea is going anywhere. ⑦「人は枝を減らすのが得意。モデルは、枝を1本刈り切るまでの時間を減らすのが得意」 > Humans are good at shrinking branches. Models are good at shrinking the time it takes to prune one branch. ⑧「LLMは時間を計算資源と交換させてくれる。短い期間でより多くの問題を追える」 > LLMs enable us to exchange time for compute, and can help us pursue more problems in a shorter timespan. latent.space/p/ai-is-getting…