בינה מלאכותית למדה להוכיח חוסר אפשרות: AWM מפעימות Tsinghua GPT-6 Astra וClaude Opus 5.5 שבהם הם מוותרים

מה עושה AI כאשר למשימה אין פתרון? בדרך כלל כתוב "לא יכולתי לעשות את זה" - מה שלא ניתן להבדיל מ"לא מצאתי את זה". צוות מאוניברסיטת Tsinghua ואוניברסיטת Zhejiang בראשות זוכה פרס טיורינג אנדרו יאו הציג את Algebraic World Model (AWM), מערכת שמוכיחה חוסר אפשרות, פשוטו כמשמעו: היא בונה מודל מתמטי של סביבה לא מוכרת, ממסדת אותו ב-Lean 4 ומפיקה הוכחה מנצחת שאין. ב-ARC-AGI-3 הגישה מנקה את כל 183 הרמות ומעלה את הציון של Claude Opus 5 מ-40.7 ל-99.9.

למה "זה לא עבד" היא תשובה גרועה

ARC-AGI-3 הוא סט של 25 משחקים ציבוריים שבהם הסוכן לא מקבל כללים ולא מטרה. זה צריך לתקן את המכניקה ואז לנקות את הרמה. משימות אלו בודקות אם מודל יכול לחשוב על עולם לא מוכר במקום להיזכר בדוגמאות דומות מאימון.

שם בדיוק מועדות ספינות הדגל. בניסוי בשתי רמות חתומות - רמות שתקציב הפעולה שלהן הוא יחידה אחת מתחת לזכייה הזולה ביותר האפשרית - לא Claude Opus 5.5 ולא GPT-6 Astra, שניהם מצוידים בכלי קידוד, לא יצרו הוכחה אחת. על פני 12 ריצות הם אמרו שהמשימה בלתי אפשרית רק חמש פעמים, ובארבעה מהמקרים האלה הם ציינו את העלות המינימלית הלא נכונה. ברמה sc25 עם תקציב של 18 פעולות (הזכייה הזולה ביותר עולה 19), GPT-6 Astra מצא מסלול שעולה 22 מהלכים והגיע למסקנה ששום דבר זול יותר לא קיים - ללא הוכחה.

איך AWM הופך משחק למשפט

העבודה מתבצעת בשלושה שלבים. ראשית, חקירה: הסוכן משחק, מקליט תצפיות וכותב השערות כקוד Python בר הפעלה. כל השערה נבדקת מול כל המעברים שנצפו ונכתבת מחדש אם אפילו מעבר אחד סותר אותה.

ואז מגיע המבנה: השערות הופכות לאובייקטים מודפסים ולכללים משותפים, בעוד טרנספורמציות בהשראת הקטגוריות מסלקות את היתירות. במשחק lp85, אחד עשר מושגים נפרדים על ארבעה סוגים של כפתורים קרסו לכלל אחד, press_permutes. לבסוף, המודל מתורגם ל-Lean 4, השפה שבה משתמשים המתמטיקאים להוכחות הניתנות לבדיקה במכונה. שם AWM מוכיח שני סוגים של הצהרות: שמסלול מסוים מגיע ליעד, ושתחת תקציב נתון לא קיים מסלול מנצח כלל.

משפט המפתח הוא "בכלל". דוגמנית רגילה אומרת "לא מצאתי את זה". AWM מציג הוכחה שניתן לבדוק שורה אחר שורה ושפוסלת כל רצף משפטי של פעולות, לא רק את אלו שהסוכן ניסה במקרה.

שש הוכחות מול אפס

בשתי הרמות האטומות AWM הפיקה הוכחה סגורה של Lean שזכייה במסגרת התקציב היא בלתי אפשרית בכל שש ההרצאות מתוך שש. GPT-6 Astra וClaude Opus 5.5 הפיקו אפס הוכחות כאלה על פני שתים עשרה ריצות. הערכות העלות המינימליות מעידות אפילו יותר: ארבעה מתוך ששת הגבולות ההתחלתיים של AWM היו נכונים, Claude Opus 5.5 קיבלו אחד מתוך שישה נכון, ו-GPT-6 Astra לא קיבלו אף אחד. לאחר שנאמר לנו שקיים זכייה זולה יותר, AWM שינה את החוקים שלו והגיע לשישה גבולות נכונים מתוך שישה.

183 רמות, 99.9 נקודות ו-43% מהפעולות של אדם

ואז מגיע הסט המלא של ARC-AGI-3. על פני 25 המשחקים הציבוריים, הדגמים של AWM מאפשרים ל-Lean לשחזר את מסלולי הניצחון של כל 183 הרמות. על פריסות בלתי נראות הכללים הקפואים חזו את כל 4,160 המעברים; לאחר שינוי מכונאי הדגם דחה 4,031 מעברים - כלומר הדגם שם לב שהעולם השתנה במקום להמשיך עם ההוראות הישנות.

עם Claude Opus 5 כדגם הבסיס, AWM זוכה ל-99.9; אותו Claude Opus 5 ללא AWM ציון 40.7. מסלולי הזכייה המאושרים משתמשים ב-43% מהפעולות שבסיס אנושי מוציא. במילים אחרות, המערכת לא רק מנקה את המשחק; זה מנקה את זה יותר מבחינה כלכלית מאדם ממוצע.

איפה המלכוד

ההוכחות של AWM הן הוכחות על מודל נלמד, לא על המשחק עצמו. הפיכת מסכים למצבים מתרחשת בPython, מחוץ לLean. המודל יכול בסופו של דבר להיות קפדני יותר מהמשחק; אז הוכחה של "בלתי אפשרי" תהיה נכונה עבור המודל ושקרית עבור המציאות. המחברים מפורשים לגבי מה שההוכחות קובעות: הכללים מתאימים לכל מעבר מתועד, המסלול המאושר באמת מנקה את הרמה לפי הכללים הללו, וברמות חתומות לא קיים מסלול מנצח במסגרת התקציב.

הקישור למשחק האמיתי נוצר מבחוץ: הכללים הקפואים מנבאים 4,160 מעברים על פריסות בלתי נראות, וחיפוש ממצה במנוע המשחק מאשר את הספים האטומים. אבל אם החקירה לא הושלמה והסוכן החמיץ כלל חשוב, התוצאה היא אמת מקומית, לא תיאור של העולם כולו. המחברים מתארים לולאה: תצפית, השערה, ניסוי, הפשטה, הוכחה ושוב תצפית. הנייר דלוק arXiv (הוגש ב-29 באוקטובר 2026, מתוקן ב-30 באוקטובר), ושיאי ריצה בתוספת הדגמה הם באתר הפרויקט.

למה זה חשוב מעבר למשחקים

סוכנים כבר מתכננים נסיעות, כותבים קוד ומנהלים משימות. אבל בעולם האמיתי, הם יצטרכו לומר לא רק "הנה הפתרון" אלא "אין פתרון, והנה הסיבה." ההבדל הוא עצום. "לא מצאתי את זה" פירושו לנסות גישה אחרת או לחכות. "הוכחתי שלא ניתן לעשות זאת" משחרר משאבים, משנה את התוכנית ועוצר לולאה אינסופית.

עבור פלטפורמה הבנויה על מודלים גנרטיביים, השאלה נראית זהה מהצד השני: ככל שהמשימות הופכות לאוטומטיות, יכולת הבדיקה הופכת חשובה יותר - לא אמון בתשובה. הוכחה רשמית היא הצורה הקיצונית והמחמירה ביותר של יכולת הבדיקה הזו. במשחקים זה כבר עובד. בתכנון, תקצוב ובדיקת קוד, השלב הבא הוא ללמוד לבנות הוכחות קצרות וקריאות באותה מידה לבעיות ללא כללים ברורים.

מה זה אומר עבור המשתמשים

שני הדגמים מהעיתון - Claude Opus 5.5 ו-GPT-6 Astra - זמינים ב- NeuralSpace צ'אט. AWM הוא פרויקט מחקר ללא גישה ציבורית, אבל אתה כבר יכול לראות איך מודלים מודרניים חושבים לגבי המשימות שלך. עבור סוכני בנייה ופרויקטים משלך, יש את קוד סָעִיף.

וקצת סטטיסטיקה אמיתית. על פי נתוני הפקה אנונימיים מ-NeuralSpace במהלך 30 הימים האחרונים (חלון 03.10–02.11.2026), הצ'אט טיפל ב-1,513 הודעות משתמשים על פני 516 מפגשים. ארבעה מודלים היוו 69% מהתשובות, כאשר GPT-5.4 Mini מובילים ב-580 תגובות. ספינות דגל כבדות נבחרות באופן סלקטיבי: בעבודה היומיומית, המהירות והמחיר בדרך כלל מנצחים, בעוד שבעיות קשות הן סיפור נפרד.

שאלות נפוצות

מה זה Algebraic World Model?

מערכת שחוקרת סביבה לא מוכרת, בונה מודל מתמטי שלה ומוכיחה רשמית הצהרות על המודל הזה ב-Lean 4 - למשל, שלא ניתן להגיע ליעד במסגרת תקציב פעולה נתון.

במה שונה AWM ממודל שפה רגילה?

מודל שפה מציע תשובה ויכול לטעות מבלי להראות אותה. AWM תחילה בונה חוקים מפורשים של העולם, ואז בודק אותם ומפיק השלכות כהוכחה שתוכנית עצמאית יכולה לאמת. טעות בכלל גלויה במקום חבויה במשקלים.

האם אני יכול לנסות את AWM?

אין גרסה ציבורית; זה פרויקט מחקר. אבל דגמי הבסיס שעליהם הוא רץ זמינים בצ'אט NeuralSpace, ואתה יכול לבנות ניסויים משלך בקטע הקוד.