AI telah belajar untuk membuktikan kemustahilan: AWM daripada Tsinghua rentak GPT-6 Astra dan Claude Opus 5.5 di mana mereka berputus asa

Apakah yang dilakukan oleh AI apabila tugas tidak mempunyai penyelesaian? Biasanya ia berkata "Saya tidak dapat melakukannya" - yang tidak dapat dibezakan daripada "Saya tidak menemuinya." Pasukan dari Universiti Tsinghua dan Universiti Zhejiang yang diketuai oleh pemenang Anugerah Turing Andrew Yao telah memperkenalkan Algebraic World Model (AWM), sebuah sistem yang membuktikan kemustahilan secara literal: ia membina model matematik persekitaran yang tidak dikenali, memformalkannya dalam Lean 4 dan menghasilkan bukti yang boleh disemak bahawa tiada jujukan. Pada ARC-AGI-3 pendekatan mengosongkan semua 183 tahap dan menaikkan skor Claude Opus 5 daripada 40.7 kepada 99.9.

Mengapa "ia tidak berjaya" adalah jawapan yang tidak baik

ARC-AGI-3 ialah satu set 25 permainan awam di mana ejen tidak mendapat peraturan mahupun matlamat. Ia perlu menyelesaikan mekanik dan kemudian membersihkan tahap. Tugasan ini menguji sama ada model boleh membuat alasan tentang dunia yang tidak dikenali dan bukannya mengingati contoh yang serupa daripada latihan.

Itu adalah tepat di mana perdana tersandung. Dalam percubaan pada dua tahap yang dimeterai — tahap yang bajet tindakannya adalah satu unit di bawah kemenangan yang paling murah — baik Claude Opus 5.5 mahupun GPT-6 Astra, kedua-duanya dilengkapi dengan alat pengekodan, tidak menghasilkan satu bukti. Sepanjang 12 larian mereka berkata tugas itu adalah mustahil hanya lima kali, dan dalam empat daripada kes itu mereka menamakan kos minimum yang salah. Pada tahap sc25 dengan bajet sebanyak 18 tindakan (kemenangan termurah berharga 19), GPT-6 Astra menemui laluan yang menelan kos 22 pergerakan dan menyimpulkan tiada yang lebih murah wujud — tanpa bukti.

Bagaimana AWM menukar permainan menjadi teorem

Kerja itu berlaku dalam tiga peringkat. Pertama, penerokaan: ejen bermain, merekod pemerhatian dan menulis hipotesis sebagai kod Python boleh laku. Setiap hipotesis diuji terhadap semua peralihan yang diperhatikan dan ditulis semula jika satu peralihan bercanggah dengannya.

Kemudian datang struktur: hipotesis menjadi objek ditaip dan peraturan dikongsi, manakala transformasi yang diilhamkan oleh kategori-teori menghilangkan lebihan. Dalam permainan lp85, sebelas konsep berasingan tentang empat jenis butang runtuh menjadi satu peraturan, press_permutes. Akhir sekali, model ini diterjemahkan ke dalam Lean 4, bahasa yang digunakan oleh ahli matematik untuk pembuktian yang boleh disemak mesin. Terdapat AWM membuktikan dua jenis pernyataan: bahawa laluan tertentu mencapai matlamat, dan di bawah belanjawan tertentu tiada laluan kemenangan wujud sama sekali.

Frasa utama ialah "sama sekali." Model biasa berkata "Saya tidak menemuinya." AWM membentangkan bukti yang boleh disemak baris demi baris dan menolak setiap urutan tindakan undang-undang, bukan hanya yang ejen kebetulan cuba.

Enam bukti lawan sifar

Pada dua tahap yang dimeterai AWM menghasilkan Lean bukti tertutup bahawa kemenangan dalam bajet adalah mustahil dalam kesemua enam kehabisan enam. GPT-6 Astra dan Claude Opus 5.5 menghasilkan sifar bukti sedemikian dalam dua belas larian. Anggaran kos minimum lebih jelas: empat daripada enam sempadan awal AWM adalah betul, Claude Opus 5.5 mendapat satu daripada enam tepat dan GPT-6 Astra tidak mendapat satu pun. Selepas diberitahu bahawa kemenangan yang lebih murah wujud, AWM menyemak peraturannya dan mencapai enam sempadan yang betul daripada enam.

183 tahap, 99.9 mata dan 43% daripada tindakan manusia

Kemudian datang set penuh ARC-AGI-3. Merentasi 25 permainan awam, model AWM membenarkan Lean memainkan semula trajektori kemenangan semua 183 peringkat. Pada reka letak yang tidak kelihatan peraturan beku meramalkan semua 4,160 peralihan; selepas perubahan mekanik, model itu menolak 4,031 peralihan — bermakna model itu menyedari dunia telah berubah dan bukannya meneruskan arahan lama.

Dengan Claude Opus 5 sebagai model asas, AWM mendapat 99.9; sama Claude Opus 5 tanpa AWM markah 40.7. Trajektori kemenangan yang diperakui menggunakan 43% daripada tindakan yang dibelanjakan oleh garis dasar manusia. Dalam erti kata lain, sistem tidak hanya mengosongkan permainan; ia membersihkannya secara lebih ekonomi daripada manusia biasa.

Di mana tangkapannya

Bukti AWM ialah bukti tentang model yang dipelajari, bukan tentang permainan itu sendiri. Mengubah skrin menjadi keadaan berlaku dalam Python, di luar Lean. Model boleh berakhir lebih ketat daripada permainan; maka bukti "mustahil" adalah benar untuk model dan palsu untuk realiti. Pengarang secara eksplisit tentang perkara yang dibuktikan: peraturan bersetuju dengan setiap peralihan yang direkodkan, laluan yang diperakui benar-benar mengosongkan tahap di bawah peraturan tersebut dan pada tahap yang dimeterai tiada laluan kemenangan wujud dalam belanjawan.

Pautan kepada permainan sebenar diwujudkan dari luar: peraturan beku meramalkan 4,160 peralihan pada reka letak yang tidak kelihatan, dan carian menyeluruh enjin permainan mengesahkan ambang yang dimeterai. Tetapi jika penerokaan tidak lengkap dan ejen terlepas peraturan penting, hasilnya adalah kebenaran tempatan, bukan perihalan seluruh dunia. Penulis menerangkan gelung: pemerhatian, hipotesis, eksperimen, abstraksi, bukti, dan pemerhatian sekali lagi. Kertas itu terpasang arXiv (diserahkan pada 29 Oktober 2026, disemak pada 30 Oktober), dan rekod jalankan serta demo adalah di tapak projek.

Mengapa ini penting di luar permainan

Ejen sudah merancang perjalanan, menulis kod dan mengurus tugas. Di dunia nyata, bagaimanapun, mereka perlu berkata bukan sahaja "inilah penyelesaiannya" tetapi "tiada penyelesaian, dan inilah sebabnya." Perbezaannya sangat besar. "Saya tidak menemuinya" bermaksud mencuba pendekatan lain atau menunggu. "Saya membuktikan ia tidak boleh dilakukan" membebaskan sumber, mengubah rancangan dan menghentikan gelung yang tidak berkesudahan.

Untuk platform yang dibina pada model generatif, soalannya kelihatan sama dari sisi lain: semakin banyak tugasan diautomasikan, semakin penting kebolehsemakan — bukan keyakinan terhadap jawapan. Bukti rasmi ialah bentuk kebolehsemakan yang paling melampau dan paling ketat. Dalam permainan ia sudah berfungsi. Dalam perancangan, belanjawan dan semakan kod, langkah seterusnya ialah belajar membina bukti yang sama pendek dan boleh dibaca untuk masalah tanpa peraturan yang jelas.

Maksudnya untuk pengguna

Kedua-dua model daripada kertas — Claude Opus 5.5 dan GPT-6 Astra — tersedia dalam NeuralSpace Sembang. AWM ialah projek penyelidikan tanpa akses awam, tetapi anda sudah dapat melihat cara model moden membuat alasan tentang tugas anda sendiri. Untuk ejen bangunan dan projek anda sendiri, terdapat Kod bahagian.

Dan sedikit statistik sebenar. Menurut data pengeluaran awanama daripada NeuralSpace sepanjang 30 hari lalu (tetingkap 03.10–02.11.2026), sembang itu mengendalikan 1,513 mesej pengguna merentas 516 sesi. Empat model menyumbang 69% balasan, dengan GPT-5.4 Mini mendahului 580 respons. Keutamaan berat dipilih secara selektif: dalam kerja harian, kelajuan dan harga biasanya menang, manakala masalah sukar adalah cerita yang berasingan.

Soalan Lazim

Apakah Algebraic World Model?

Sistem yang meneroka persekitaran yang tidak dikenali, membina model matematiknya dan secara rasmi membuktikan kenyataan tentang model tersebut dalam Lean 4 — contohnya, bahawa matlamat tidak boleh dicapai dalam belanjawan tindakan yang diberikan.

Bagaimanakah AWM berbeza daripada model bahasa biasa?

Model bahasa mencadangkan jawapan dan boleh menjadi salah tanpa menunjukkannya. AWM mula-mula membina peraturan dunia yang jelas, kemudian menyemaknya dan memperoleh akibat sebagai bukti bahawa program bebas boleh mengesahkan. Ralat dalam peraturan kelihatan dan bukannya tersembunyi dalam pemberat.

Bolehkah saya mencuba AWM?

Tiada versi awam; ia adalah projek penyelidikan. Tetapi model asas yang dijalankannya tersedia dalam NeuralSpace Sembang, dan anda boleh membina percubaan anda sendiri dalam bahagian Kod.