Погрешность до m/4 не ломает шаг в доказательстве OpenAI

В каждой из четырёх ячеек матрицы можно ошибиться на m/4, и один шаг из доказательства OpenAI про разрушение решений Навье-Стокса всё равно устоит. Оценку выписала команда 8Braid, независимая от OpenAI: она заново прогнала формальные проверки сентябрьского релиза, а потом залезла внутрь предложения 7.5, о чём рассказала в 8braid.

Коротко

• 8 сентября OpenAI выложила сгенерированное ИИ доказательство разрушения решений за конечное время вместе с формализацией в Lean; 8Braid воспроизвела эти проверки и полезла внутрь одного алгебраического шага.
• Если цель лежит в допустимом конусе с запасом m, где 0 < m < 1, ошибка до m/4 в каждой из четырёх ячеек матрицы сохраняет положительные веса, а определитель держится не ниже 7/8.
• Применить оценку ко всей конструкции пока нельзя: не хватает аналитической оболочки ошибки и границ профилей из исходника, а сокращение ошибок у сквозного агента 8Braid не измеряла.

Если вы не следили: по данным Wikipedia, Институт Клэя внёс задачу Навье-Стокса в список задач тысячелетия в 2000 году с призом в миллион долларов. По данным alphaXiv, в OpenAI утверждают, что внутренняя группа моделей пришла к решению за 88 часов силами около 10 000 согласованных агентов. Текст занимает больше 150 страниц, и, как сказал Science News физик Грегори Айинк из Университета Джонса Хопкинса, полностью его тогда никто не проверил, во всяком случае со стороны людей.

Оба ядра приняли решение, а в отчёте об аксиомах оказались три стандартные

Начинается всё с жидкости в покое. К ней прикладывают гладкую силу: речь о силовом варианте задачи тысячелетия. 8Braid оговаривает, что о безусловной глобальной гладкости и новой полной теореме о разрушении она ничего не утверждает.

По описанию Wolfram Community, построенное решение ведёт себя как концентрирующийся вихрь: ядро сжимается, скорость растёт, и за конечное время возникает сингулярность, причём скорость, давление, нелинейный перенос и вязкий член растут согласованно, а внешняя сила остаётся гладкой и конечной. По данным Wikipedia, сам способ построения опирается на метод Диего Кордобы и Луиса Мартинеса-Зороа 2023 года для родственных уравнений жидкости.

Comparator, так в 8Braid называют сам процесс проверки, сверил присланные результаты C и D с ожидаемыми формальными формулировками. Решение приняли оба ядра: и Nanoda, и штатное ядро Lean. В отчётах об аксиомах оказались три стандартные для Lean: propext, Classical.choice и Quot.sound.

Команда сохранила ревизию исходника f9e8bc5b38b6, пины зависимостей, имена проверяющих, команды и фактические исходы; успешный прогон на Linux шёл в исходной конфигурации задачи и в настоящей песочнице. Формальное воспроизведение не заменяет ни экспертное рецензирование, ни решение Института Клэя.

Ошибка m/4 держит веса положительными, а определитель не ниже 7/8

В предложении 7.5, уравнения с (7.24) по (7.28) на печатных страницах 82 и 83, используется положительное ковариационное разложение. На практике два вклада складываются с весами, которые обязаны оставаться положительными, и вопрос ровно в том, насколько можно шевелить входы, прежде чем положительность потеряется.

Ответ выписан в нормализованных координатах шага. Матрица там имеет вид [[1+a, 1+b], [-1+c, 1+d]], цель равна (1, s) при |s| ≤ 1−m. Если запас m лежит между нулём и единицей, а каждая из четырёх поправок по модулю не больше m/4, поправочные веса остаются положительными, а определитель не опускается ниже 7/8.

Дроби точные. Утверждение доказано в Lean и держится на всей заявленной области вещественных параметров, а не в наборе выбранных точек; отдельные проверки на Python пересобирают рациональную алгебру. Оптимальность допуска не заявлена, профили из исходника в него не подставлены.

Отзыв подтверждения снимает поддержку леммы, но посторонние результаты её сохраняют

Условный результат прогнали через отдельную нативную нагрузку 8DB. Эксперимент держит рядом доступность леммы и обязательства, нужные для её применения, потом подтверждение отзывают и перечитывают сохранённое состояние. Лемма перестаёт числиться доступной в своей области, обязательства по применению к исходной конструкции как были неподтверждёнными, так и остаются, а посторонние исторические результаты сохраняют поддержку.

Математическая импликация от этого ложной не становится, меняется только запись о том, что подтверждено. Фикстура задачи содержит 88 фактов и 26 правил; прошли семь адаптерных тестов и 24 контроля на отказ, шесть обязательств по исходнику и уравнению остались неподтверждёнными, а прежний квалифицированный результат 1/73 сохранился.

Проверку повторили через нативного потребителя и отдельного читателя, включая повтор из чистого локального каталога; переезд в пределах того же хоста тоже проверили. Потребитель работает в фиксированном контексте Тейлора-Грина и полную конструкцию OpenAI не загружал.

Зачем ставить проверяющего между агентом и записью результата?

Затем, что часть ошибок ловится механически, прямо во время работы. Изменённый коэффициент полинома валит точную проверку тождества. Артефакт из чужого контекста валит проверку применимости. Вывод без поддержки просто не попадает в число подтверждённых, и у агента появляется конкретная причина переписать следующий шаг.

Работает это как приёмка на складе: пока накладная не сошлась, коробку на полку не ставят. Отказы 8Braid проверяет на трёх границах: математической, по области применимости и по целостности свидетельств. 8Braid отдельно разводит проверяемую ошибку и утверждение, для которого адекватного теста нет; второе всё равно требует человеческого суждения или новой математики.

Границы здесь названы прямо: сокращение ошибок у сквозного агента не измерено, гарантии задержки в продакшене нет, а применение допуска ко всей конструкции упирается в недостающие аналитическую оболочку ошибки и границы профилей. На наш взгляд, показательна оговорка про фиксированный контекст Тейлора-Грина: математические проверки и проверки доказательной базы разведены по разным ответственностям, и вторая исходное уравнение не сертифицирует.

Какие аналитические границы нужны дальше

Следующая математическая задача сформулирована узко: добыть аналитические границы, чтобы приложить ковариационный допуск к выбранным столбцам исходника. По базе следующим идёт перевод результата в контекстно-независимый поток теорем и свидетельств. Отдельно описан желаемый эксперимент: замкнуть один набор параметров интервальными инструментами VTTE, проверить ковариационный запас и согласование там, где две сертифицированные области параметров пересекаются. Сроков ни для одной из этих работ не названо.