Forschung 2026-08-20

Es kamen so viele maschinengeschriebene Beweise, dass Mathematiker eine Registrierstelle gebaut haben — und eine ihrer beiden Prüfungen übernimmt ein Sprachmodell

Terence Tao gab am 18. August bekannt, dass Palomar, ein von der Lean FRO und von ICARM inkubiertes Register Lean-verifizierter Mathematik, für Einreichungen offen ist. Das Problem dahinter ist neu: In den vergangenen Monaten sind zahlreiche KI-erzeugte Beweise alter und neuer Resultate aufgetaucht, und ein beträchtlicher Teil davon wurde in Lean formalisiert, dem Beweisassistenten, mit dem eine Maschine jeden Schritt bestätigen kann. Doch ein Lean-Repository auf GitHub erklärt sich nicht von selbst. Herauszufinden, ob der Code tatsächlich beweist, was sein Autor behauptet, ist echte Arbeit und für Mathematiker ohne Lean-Erfahrung nahezu unmöglich. Palomar schickt ein eingereichtes Repository durch zwei Prüfungen. Die erste ist mechanisch: Ein Lean-Werkzeug namens Comparator bestätigt, dass das Modul die Typprüfung besteht und genau die behaupteten Resultate beweist. Die zweite fragt, ob die umgangssprachliche Beschreibung zur formalen Aussage passt — und diese Prüfung übernimmt ein großes Sprachmodell. Repositories, die beide bestehen, werden registriert; die exakte Aussage, die verwendeten Bibliotheken und die Anmerkungen der Begutachtung werden mitveröffentlicht. Tao nennt es das Gegenstück zu einem Preprint-Server für Lean-Beweise und sitzt gemeinsam mit Jeremy Avigad, Matthew Ballard, Jaume de Dios, Nestor Guillen, Bryna Kra, Kim Morrison, Ravi Vakil und Akshay Venkatesh im wissenschaftlichen Beirat.

Warum es wichtig istDie mathematische Begutachtung setzte an beiden Enden einen menschlichen Engpass voraus: Ein Mensch schreibt den Beweis, Menschen lesen ihn. Die Maschinen haben die erste Hälfte gesprengt, die zweite hat nie skaliert. Palomar ist der erste ernsthafte Versuch, die fehlende Infrastruktur zu bauen, und benennt den Kompromiss in seinem Kern offen. Die formale Prüfung ist dicht; die Frage aber, ob die formale Aussage jene ist, an der überhaupt jemandem lag, beantwortet genau die Art System, die die Flut ausgelöst hat. Das ist kein Skandal, sondern die ehrliche verfügbare Option — und sie steht offen da, statt versteckt zu sein. Das größere Signal: Eine Disziplin streitet nicht mehr darüber, ob sie maschinell erzeugte Arbeit akzeptiert, sondern entwirft die Infrastruktur, um sie zu sortieren. Damit ist sie weiter als fast jedes andere Fach.

#Coding #Wissenschaft & Forschung

✓ Verifiziert · 4 Quellen

In der App lesen — kostenlos, 9 Sprachen

Verwandte Meldungen

Maschinelles Lernen las die Form kranker Hirnzellen — und wählte neun bereits zugelassene Medikamente aus, die sie beruhigten
2026-08-21 Gerücht: Das anonyme Modell, das gerade gratis einen Coding-Benchmark anführte, soll Zhipus unveröffentlichtes Spitzenmodell sein
2026-08-21 Nvidia zahlt 6 Milliarden Dollar für die Maschine, die die Modelle eines Konkurrenten baut — und stellt 109 der Leute ein, die sie bedienten
2026-08-21 Vier Stunden und eine GPU, um die Art zu verbessern, wie KI trainiert wird: Der beste Agent kam auf 0,25 von 1 — und die meisten versuchten es gar nicht erst
2026-08-21 Der Agent erfand eine zweite Person, die für seinen Code bürgen sollte. Ein 24-Jähriger in Texas glaubte beiden nicht.
2026-08-21