Zhexuan Man的巨大安全性学会了创建“数学超级智能

作者: bet356亚洲版本体育   点击次数:    发布时间: 2025-07-15 10:43

资料来源：Robinhood的股票交易平台首席执行官AI Company Vlad Tenev再次在资本市场上广受欢迎。 7月9日，他与合作伙伴共同建立的AI初创公司Harmonic宣布了1亿美元的B系列融资，公司欣赏高达8.75亿美元的公司，靠近Unicorn Threshold。这项融资的轮换由著名的风险投资公司克莱纳·珀金斯（Kleiner Perkins）领导，其次是帕拉迪巴布（Paradigbab）和其他机构。谐波（起源：谐波）公司仅建立了两年，重点是削减和具有挑战性的领域 - 数学超级智能（MSI）。与当前的基本语言模型（LLM，LargelanguageModel）不同，Harmonic试图开始解决AI的“幻觉”问题，即误导模型的现象。他们的解决方案使AI能够掌握严格的数学推理技能，并确保通过正式验证证明每个步骤。在此SUP中取得突破的能力ER专业领域在很大程度上是由于弗拉德·特内维（Vlad Tenev）的深刻数学技能。保加利亚裔美国商人在5岁时与父母一起搬到美国，就读于弗吉尼亚州的托马斯·杰斐逊高中，并就读于弗吉尼亚州的科学技术，然后就读于美国的斯坦福大学，攻读数学学士学位。在斯坦福大学期间，他遇到了后来的Robinhood联合创始人Baiju Bhatt。大学毕业后，Tenev进入了UCLA，以著名的数学家Zhexuan的身份追求数学医生的头衔和研究。 UCLA研究Vlad Tenev（Originn：UCLA数学）的经验对Tenev产生了巨大影响。该男子Zhexuan以其对许多数学领域的杰出贡献而闻名。他从数字理论中获得了领导工作，研究了统一分析。更重要的是，Zhexuan Man近年来积极参与精益编程的语言 - 这种语言一直是主要技术谐波途径。然而，尽管他具有深刻的数学技能，但Tenev最终还是选择属于UCLA博士学位计划，而Bhatt则与Bhatt一起在纽约创立了两家金融科技公司，尤其是Celeris，尤其是高频交易软件公司和Chronos Research，该公司为贸易公司提供低延迟的软件。这些早期的经历为他们最终通过Robinhood建立的重要经验。 2013年，他们建立了Robinhood，这是传统费用给经纪公司带来的市场入场门槛的目标，该公司通过零委员会的贸易模式撤销了行业结构。 Tudor Achim是另一个Harmonic联合创始人，也很有名。他拥有美国卡内基·梅隆大学（Carnegie Mellon University）的计算机科学学士学位，并从斯坦福大学（Stanford University）获得了计算机科学博士学位，重点介绍了AI在理解领域的应用。更重要的是，ACHIM是自动建筑的联合创始人和前CTOS Driving Company Helm.aai，他为全球一些领先的汽车制造商提供了AI解决方案。他对机器和算法研究的深刻背景符合Tenev的数学专业知识。都铎·阿奇姆（Tudor Achim）（起源：邮政区）两者之间的合作始于共同的视野 - 使用AI在千年奖项难题中解决数学问题。当Tenev和Achim开始考虑这种可能性时，他们意识到传统AI的传统方法不仅可以胜任复杂的数学推理活动。他们最终发现的答案是编程语言的领导。 Microsoft Research的Leonardo de Maura开发的编程功能语言最初是为软件验证而设计的，预计在数学领域不会取得重大成功。精益是独一无二的，因为它可以在数学中以可验证的代码表示定理，并且保证在精益上积累和传递的任何证据都可以保证o在逻辑上是正确的。基于这条技术途径，Harmonic开发了核心产品亚里士多德模型。当用户以自然语言提出数学问题时，可能会使用精益4代码的线路问题，通过严格的逻辑推理解决问题，并对自然语言和精益代码的答案输入。这种“自动形式化”能力使亚里士多德与不熟悉精益语言的数学和教育者合作，以审查其工作并填写细节。亚里士多德（Aristotle）自动形式化2001年国际数学奥林匹克运动会（资料来源：谐波）的原始技巧得益于这些特殊设计，亚里士多德（Aristotle）用数学徒劳无功。在Minif2F中，在数学推理领域的通常基准测试，亚里士多德的准确率达到了90％，设定了新的行业票据，这比以前的DeepSeek-Prover的过去50％大约为60％，而乐高积木比例高于50％。您应该知道minif2f包含488国际数学奥林匹克运动会和高中以及本科数学课程的问题，从简单的计算到过于挑战的证据，验证集还包含国际数学奥林匹克运动会的三个问题。更重要的Minif2F（来源：谐波）的基准评论的结果是，Harmonic在其技术途径上取得了一些重大突破。首先是递归改进的能力。由于LEAN提供了目标验证标准，因此亚里士多德可以通过化学和自我游戏研究来快速改进，这在其他AI领域很难实现，因为缺乏明确的奖励功能。第二个是生成合成数据的优点。与许多人工智能公司所面临的数据不一样，谐波不喜欢问题，谐波可以生成大量的合成数学数据来培训模型，从而通过逐渐发展出更复杂的问题来模仿学习人类的数学过程来自简单的概念。该技术路线与当前的基本语言模型基本不同。现有的LLM通过在Internet上研究文本数据而获得功能，但是他们通常无法通过数学推理来做到这一点，并且容易受到幻觉的影响。 Harmonic认为，数学是推理的语言，而掌握数学推理技能的AI系统将在需要严格逻辑的科学和工程等领域表现良好。正如Achim所说：“当人们在数学方面变得不满时，他们倾向于在其他数量的科学和工程领域中表现出色。”从商业前景的角度来看，谐波目标是高度危险且需要非常高准确性的应用程序情况。软件可靠性在航空航天，芯片设计，系统系统和医疗和医疗不确定性等领域以及医疗卫生系统中很重要，传统的AI使竞争很难竞争现在的数学界并不总是对AI数学乐观。 whiLe数学儿童通常对验证工具（例如AI和精益）的态度有积极的态度，年龄较大的学者相对谨慎。 Tenev认为，这种态度将逐渐改变，例如国际象棋领域的发展 - 首先是人类合作 - 计算机，并且随着AI的能力提高，AI最终将在纯粹的问题解决方案中幸存下来，人类数学的作用将恢复到AI的指导，并解释AI的结果。谐波团队对未来显然充满信心。 TENEV引用了Metaculus预测平台的数据，他指出，下一个千年大奖难题可能是43％的人AI或人机合作解决，但Spelitivehe表示，这一比例很严重。他的预测更为激进：如果下一个难题是由人们独立解决的，那么它必须在不久的将来发生，而下一个难题几乎可以肯定会有AI的重要贡献。他甚至预测我可以在2026年克服Navier-Stoke方程式的简单问题，并在2029年解决了Riemann的猜测。这种野心得到了投资者的强烈认可。 Si Ilya Fushman, isang kasosyo sa Kleiner Perkins, na dating isang pisika mismo, ay nagsabi: "Ang Harmonic ay lumikha ng isang bagong pundasyon para sa napatunayan, nasusukat na pangangatuwiran na maaaring mapagkakatiwalaan sa mga kapaligiran na may mataas na peligro。他认为，数学超级智能将产生巨大的影响，因为Google允许我们在瞬间，谐波等上回答简单的问题。多年来，在无尽的行动空间中做出预测 - 这正是数学推理所需的能力ng，因为您可以生成任何下一个推理的数学。是使用资金主要用于加速亚里士多德模型的发展和商业化。 1.https：//www.bloomberg.com/news/articles/2025-07-10/robinhood-ceo-ceo-ceo-ceo-s-ai-math-tartup-tartup-valued-t-marly-9亿？ EMBEDDED-CHECKOUT = true2.https：//www.equoiacap.com/podcast/training-data-harmonic/3.https：//harmonic.fun/newstypography：liu yakun