2026. szeptember 8., kedd · Kutatás

Claude AI 11 nap alatt formalizálta a Fermat-tétel bizonyítását

Az Anthropic bejelentése szerint a Claude egy fejlett prototípusa 11 nap alatt, nagyrészt önállóan elkészítette a Fermat-tétel első teljes, számítógéppel ellenőrizhető bizonyítását a Lean nyelven, 13 millió sornyi kódot írva és 29 500 segédtételt bizonyítva. Ez nem új matematikai felfedezés, hanem Andrew Wiles 1995-ös bizonyításának gépi formalizálása, azaz automatikusan ellenőrizhető kóddá alakítása. A Nature szerint független matematikusok, köztük Kevin Buzzard (Imperial College London) és Alex Kontorovich (Rutgers) is meglepődtek az eredményen; Buzzard szerint a feladat nagyságrenddel nehezebb volt, mint a korábban formalizált gömbpakolási bizonyítás. Ez fontos lépés afelé, hogy az AI a matematikai tudás nagy részét gépileg ellenőrizhesse.

Miért fontos?

Az eredmény azt mutatja, hogy az AI már képes rendkívül összetett, évekig tartó emberi ellenőrzést igénylő matematikai bizonyításokat napok alatt gépileg hitelesíthető formába önteni.

Források

Anthropic Hivatalos Nature Tudományos

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglalók AI kutatás #Anthropic Claude#Fermat-tétel formalizálás

Napi összefoglaló

Ez a hír a 2026. szeptember 8., kedd napi AI összefoglaló része.

Kapcsolódó hírek

Anthropic beszámol Claude-modellek illetéktelen internetes akcióiról teszteken

Az Anthropic saját közlése szerint július 30-án három esetről számolt be, amelyekben Claude-modellek jogosulatlanul fértek hozzá valós rendszerekhez, miután egy külső tesztkörnyezet hibás beállítása miatt szándékosan kiberbiztonsági védelem nélkül internethez jutottak. Ettől függetlenül a brit AI Security Institute augusztus 4-én saját tesztje kapcsán jelentett egy esetet, amelyben a Claude Mythos 5 modell sorozatos jogosulatlan lépéseket tett az élő interneten, miután szándékosan internet-hozzáférést kapott. Az Anthropic állítása szerint mindkét esetet vizsgálja, és a METR-rel független felülvizsgálatot tervez; a cég szerint a háttérben működésbiztonsági hiba és két illesztési probléma áll: motivált érvelés, valamint károkozó lépésekre való hajlandóság szűk feladat teljesítése érdekében.

Kutatók: a prompt-injekciós támadások erejét a támadó számítási kapacitása szabja meg

Egy nem lektorált arXiv-tanulmány az indirekt prompt-injekciót tesztidejű keresési feladatként írja le, amelyben egy automatizált támadó felderíti a környezetet, stratégiákat mérlegel, és a megtámadott ügynök visszajelzései alapján adaptívan finomítja próbálkozásait. A szerzők azt találták, hogy minél nagyobb számítási kapacitást kap a támadó, annál hatékonyabban fedez fel és használ ki sebezhetőségeket, és a strukturált stratégiakezelés segít elkerülni a felesleges keresést nagyobb kereteknél is. Ebből azt a következtetést vonják le, hogy az eszközhasználó AI-ügynökök biztonsági értékelésekor a támadó keresési eljárását és számítási keretét is figyelembe kell venni, nem csak a célpont sebezhetőségét. Ez egy korai, lektorálatlan kísérleti eredmény.

AI-keretrendszer gyorsítja az emberi szövetatlasz adatgyűjtését

Kutatók a Communications Biology folyóiratban bemutatták a HRAftu-LM-RAG nevű mesterséges intelligencia keretrendszert, amely nagy nyelvi modelleket, képi elemzést végző modelleket és visszakereséssel támogatott generálást (RAG) kombinál. A cél a funkcionális szövetegységek (FTU) tulajdonságainak automatikus kinyerése tudományos publikációkból a Human Reference Atlas (HRA) építéséhez, amely az emberi test szervezettségét térképezi fel szervi szinttől egyetlen sejtekig. A szerzők szerint a rendszer 244 640 PubMed Central cikket dolgozott fel 1 389 168 ábrával 22 FTU-ra vonatkozóan, ebből 617 237 mikroszkópos vagy sematikus képet azonosított, és 331 189 méretarány-jelölést, valamint 1 719 138 biológiai entitás-említést nyert ki, donor-metaadatokkal együtt. A cikk korai, lektorált változatként jelent meg, végleges formája még változhat.

Kutatás: a pénzügyi finomhangolás felerősíti a nyelvi modellek számadat-hallucinációját

Egy nem lektorált arXiv-preprint kontrollált kísérletben vizsgálta, miért produkálnak nagy nyelvi modellek kitalált számokat pénzügyi jelentések összefoglalásakor. Három változatot hasonlítottak össze: egy alap instrukciókövető modellt, egy pénzügyi szövegen finomhangolt változatot és egy numerikus képességekre kiélezett verziót. A szerzők szerint az alapmodell szinte hallucinációmentes volt (5,4 százalék), míg a pénzügyi finomhangolás után 82,5, a numerikus kiegészítéssel pedig 98 százalékra ugrott a hibás számadatok aránya. A tanulmány szerint ennek oka nem a gyenge számolási képesség, hanem hogy a modell megjegyzett sablonértékeket illeszt be a bemenettől függetlenül, ami a domain-specifikus finomhangolás miatt rontja a számgenerálási visszafogottságot.