AI は不可能であることを証明することを学びました: 清華の AWM が GPT-6 Astra と Claude Opus 5.5 を打ち破り、そこで諦めます

タスクに解決策がない場合、AI は何をするのでしょうか?通常、「できませんでした」と表示されますが、これは「見つかりませんでした」と区別できません。チューリング賞受賞者のアンドリュー・ヤオ氏が率いる清華大学と浙江大学のチームは、文字通り不可能を証明するシステム「Algebraic World Model (AWM)」を導入しました。これは、なじみのない環境の数学的モデルを構築し、それをLean 4で形式化し、勝ち順が存在しないというチェック可能な証明を生成します。 ARC-AGI-3 では、このアプローチは 183 レベルすべてをクリアし、Claude Opus 5 のスコアを 40.7 から 99.9 に引き上げました。

なぜ「うまくいきませんでした」という答えが悪いのか

ARC-AGI-3 は、エージェントにルールもゴールも与えられない 25 の公開ゲームのセットです。仕組みを理解してからレベルをクリアする必要があります。これらのタスクは、モデルがトレーニングからの同様の例を思い出すのではなく、なじみのない世界について推論できるかどうかをテストします。

旗艦がつまずくのはまさにそこです。 2 つの封印されたレベル (アクション バジェットが最も安価な勝利の単位より 1 単位低いレベル) での実験では、Claude Opus 5.5 も GPT-6 Astra もコーディング ツールを備えていましたが、1 つの証明も生成されませんでした。 12 回の実行中、タスクが不可能だと答えたのは 5 回だけで、そのうち 4 回では間違った最小コストの名前を指定しました。レベル sc25 で、アクションの予算が 18 アクション (最も安い勝利コストは 19) で、GPT-6 Astra は 22 アクションのコストがかかるルートを見つけ、これより安いルートは存在しないと結論付けました。証拠はありませんでした。

AWM がゲームを定理に変える方法

作業は 3 つの段階で行われます。まず、探索です。エージェントは再生、観察を記録し、仮説を実行可能な Python コードとして書き込みます。すべての仮説は、観察されたすべての遷移に対してテストされ、1 つの遷移でも矛盾する場合は書き換えられます。

次に構造が登場します。仮説は型付けされたオブジェクトと共有ルールになり、カテゴリー理論に触発された変換により冗長性が取り除かれます。 lp85 ゲームでは、4 種類のボタンに関する 11 の別々の概念が、press_permutes という 1 つのルールに崩壊しました。最後に、モデルは、数学者が機械チェック可能な証明に使用する言語である Lean 4 に翻訳されます。 AWM は 2 種類のステートメントを証明しています。1 つは特定のルートでゴールに到達するということ、もう 1 つは与えられた予算の下では勝利のルートはまったく存在しないということです。

キーワードは「まったく」です。通常のモデルは「見つかりませんでした」と言います。 AWM は、行ごとにチェックできる証拠を提示し、エージェントがたまたま試みたものだけでなく、あらゆる法的一連の行為を除外します。

6 つの証明とゼロの証明

2 つのシールド レベル AWM では、6 回中 6 回の実行すべてで予算内で勝つのは不可能であるというクローズド Lean の証拠が生成されました。 GPT-6 Astra と Claude Opus 5.5 は、12 回の実行にわたってそのような証明を生成しませんでした。最小コストの推定値はさらに明らかです。AWM の 6 つの初期限界のうち 4 つが正しく、Claude Opus 5.5 は 6 つのうち 1 つが正解で、GPT-6 Astra はどれも正解しませんでした。より安価な勝ちが存在すると言われた後、AWM はルールを修正し、6 つ中 6 つの正しい境界に達しました。

183 レベル、99.9 ポイント、人間の行動の 43%

次に、ARC-AGI-3 のフルセットが登場します。 25 の公開ゲームにわたって、AWM のモデルにより、Lean は 183 レベルすべての勝利の軌道を再現できます。目に見えないレイアウトでは、凍結されたルールは 4,160 のすべての遷移を予測しました。メカニックの変更後、モデルは 4,031 件のトランジションを拒否しました。つまり、モデルは古い指示を引き継ぐのではなく、世界が変わったことに気づきました。

Claude Opus 5 を基本モデルとして、AWM のスコアは 99.9 です。 AWM なしの同じ Claude Opus 5 のスコアは 40.7 です。認定された勝利の軌跡は、人間のベースラインが費やすアクションの 43% を使用します。つまり、単にゲームをクリアするだけではありません。それは平均的な人間よりも経済的にそれをクリアします。

獲物はどこにあるのか

AWM の証明は学習されたモデルに関する証明であり、ゲーム自体に関する証明ではありません。画面のステートへの変換は、Lean の外側の Python で行われます。モデルは最終的にゲームよりも厳密になる可能性があります。その場合、「不可能」の証明はモデルに対しては真であり、現実に対しては偽となります。著者らは、証明によって確立された内容について明確に述べています。ルールは記録されたすべてのトランジションに一致し、認定されたルートはそのルールに基づいて実際にレベルをクリアし、封印されたレベルでは予算内に勝利ルートは存在しません。

実際のゲームへのリンクは外部から確立されます。凍結されたルールは、目に見えないレイアウト上の 4,160 の遷移を予測し、ゲーム エンジンの徹底的な検索により、封印されたしきい値が確認されます。しかし、探索が不完全でエージェントが重要なルールを見逃した場合、結果は世界全体の説明ではなく、局所的な真実になります。著者は、観察、仮説、実験、抽象化、証明、そして再び観察というループについて説明します。紙が貼ってあります arXiv (2026 年 10 月 29 日に提出、10 月 30 日に改訂)、実行記録とデモは次のとおりです。 プロジェクトサイトで.

これがゲームを超えて重要な理由

エージェントはすでに旅行を計画し、コードを記述し、タスクを管理しています。しかし、現実の世界では、「これが解決策です」だけでなく、「解決策はありません。その理由はここにあります」と言わなければなりません。その違いは非常に大きいです。 「見つからなかった」ということは、別のアプローチを試すか待つことを意味します。 「それが不可能であることを証明した」ことでリソースが解放され、計画が変更され、無限ループが停止します。

生成モデルに基づいて構築されたプラットフォームの場合、質問は反対側から見ても同じように見えます。タスクが自動化されるほど、答えに対する信頼性ではなく、チェック可能性がより重要になります。正式な証明は、そのチェック可能性の最も極端で厳密な形式です。ゲームではすでに機能しています。計画、予算編成、およびコードレビューでは、次のステップは、明確なルールがない問題に対して、同様に短くて読みやすい証明を作成することを学習することです。

ユーザーにとっての意味

論文の両モデル (Claude Opus 5.5 と GPT-6 Astra) は、 NeuralSpace チャット。 AWM は一般公開されていない研究プロジェクトですが、最新のモデルが自分のタスクをどのように推論するかはすでにわかります。エージェントや独自のプロジェクトを構築するには、 コード セクション。

そして実際の統計も少し。過去 30 日間 (2026 年 3 月 10 日から 2 月 11 日まで) の NeuralSpace の匿名化された実稼働データによると、チャットは 516 のセッションにわたって 1,513 のユーザー メッセージを処理しました。 4 つのモデルが回答の 69% を占め、580 件の回答では GPT-5.4 Mini がトップでした。重い旗艦は選択的に選ばれます。日常の仕事では、通常はスピードと価格が優先されますが、難しい問題は別の話です。

よくある質問

Algebraic World Modelとは何ですか？

なじみのない環境を探索し、その数学的モデルを構築し、Lean 4 でそのモデルに関するステートメントを正式に証明するシステム。たとえば、特定の行動予算内では目標を達成できないということです。

AWM は通常の言語モデルとどう違うのですか?

言語モデルは答えを提案しますが、それが示されていなければ間違っている可能性があります。 AWM は、まず世界の明示的なルールを構築し、次にそれらをチェックして、独立したプログラムが検証できる証拠として結果を導き出します。ルールの間違いは重みに隠れるのではなく、表示されます。

AWMを試してもいいですか？

公開バージョンはありません。それは研究プロジェクトです。ただし、実行された基本モデルは NeuralSpace チャットで利用でき、コード セクションで独自の実験を構築できます。