Авторы новой статьи предлагают альтернативу стандартному алайнменту LLM: вместо того чтобы учить модель имитировать правильный ответ или максимизировать награду в среде (что часто приводит к overconfidence — избыточной уверенности модели в себе), метод учит модель избегать имитации неправильного ответа.

Для этого строится «negative teacheri»: студенческая модель сама генерирует решение задачи, затем ей же дают задачу и её собственное решение и просят через meta-prompt придумать инструкцию, которая направила бы рассуждение по плохому пути. Gold answer при этом не используется — модель не обязана знать, где решение действительно ошибочно, ей нужно лишь найти уязвимое место или предложить вредную стратегию рассуждения.

ВыводПрямая оптимизация неправдоподобия не работает: многие токены неверного решения являются частями верных синтаксических и грамматических конструкций, и наивная оптимизация разваливает модель

Полный разбор →

OpenAI сообщила, что её новая внутренняя модель (её называют BEL) решила не только знаменитую задачу Навье—Стокса, но и более 100 других давно открытых задач из разных областей математики. Обучение модели начали 28 августа, а темп прогресса, по словам компании, удивил даже её штатных математиков.

Это произошло на фоне скандала: математическое сообщество раскритиковало AI-лаборатории за гонку по решению известных задач ради демонстрации силы моделей, из-за которой не остаётся времени на проверку доказательств, объяснение новых методов и признание вклада предыдущих исследователей. В ответ OpenAI создала независимую консультативную группу из девяти учёных, но прямо уточнила: советоваться с ними будут о публикации результатов, а не о замедлении темпов исследований.

ВыводЗадача Навье—Стокса — одна из задач тысячелетия: вопрос, остаётся ли гладкое решение уравнения несжимаемой жидкости в трёхмерном пространстве гладким навсегда или может за конечное время создать сингулярность; ранее прорыв в этой теме сделал Теренс Тао, попытавшись не доказать отсутствие срыва, а построить его — контрпример в виде «компьютера из воды», задавшись вопросом «может ли вода вычислять?»

Полный разбор →

Ведущие математики мира выражают всё большую тревогу по поводу вторжения ИИ в их профессию. Президент Математического общества Франции назвал ИИ «допингом», аспиранты боятся остаться без работы после защиты, а некоторые говорят о разрушении математики как формы человеческой деятельности в целом.

Филдсовский лауреат Седрик Виллани и один из крупнейших ныне живущих математиков Теренс Тао публично призвали замедлить разработку ИИ — притом что ранее оба относились к технологии скептически или нейтрально, а Тао даже сам использует ИИ в работе и помогает создавать инструменты для математиков.

Полный разбор →

Компания OpenAI объявила о получении доказательства существования сингулярности в трехмерных уравнениях Навье — Стокса, что является одной из семи «задач тысячелетия». Решение было найдено с помощью мультиагентной системы, состоящей из 10 000 ИИ-агентов, работающих на базе новой, еще не представленной публично модели, которая значительно превосходит GPT-6 Astra.

Доказательство, подтверждающее возможность возникновения бесконечной скорости в потоке жидкости за конечное время, было формализовано с помощью языка Leani. OpenAI заявила, что не будет претендовать на премию в $1 млн от Института Клэя, однако научное сообщество ожидает независимой проверки результатов, а также обсуждает этические вопросы, связанные с возможным использованием наработок сторонних математиков.

Полный разбор →

На фоне скандала вокруг решения проблемы Навье-Стокса — то ли моделью OpenAI, то ли живыми математиками — 25 лауреатов Филдсовской премии, включая Теренса Тао, Петера Шольце, Мартина Хайрера и Марину Вязовску, подписали декларацию «A Severe Misalignment of AI in Mathematics». Документ опубликован Теренсом Тао 11 сентября 2026 года и к 12–13 сентября собрал более 3000 подписей исследователей и математиков (по данным Data Secrets; ранее указывалось «более 2500» — GPT/ChatGPT/AI Central).

Авторы не требуют запретить ИИ в математике — они признают его полезность и неизбежность перемен в профессии. Их претензия в другом: ИИ-компании превращают решение открытых задач в гонку за бенчмарками, тогда как ценность решения — не в самом ответе, а в новых методах и идеях, которые сообщество годами разбирает, обсуждает и включает в канон науки. Форсированные, неаккуратно оформленные выводы ИИ — без ссылок на предшественников и выделения новых методов — рвут эту цепочку передачи знания и создают риски атрибуции, плагиата и закрытости науки.