AI nauczyła się udowadniać niemożliwość: AWM z Tsinghua bije GPT-6 Astra i Claude Opus 5.5, gdzie się poddaje

Co robi sztuczna inteligencja, gdy zadanie nie ma rozwiązania? Zwykle mówi „Nie udało mi się tego zrobić” – czego nie da się odróżnić od „Nie znalazłem tego”. Zespół z Uniwersytetów Tsinghua i Uniwersytetu Zhejiang pod przewodnictwem zdobywcy nagrody Turinga Andrew Yao wprowadził Algebraic World Model (AWM), system, który dosłownie udowadnia niemożliwość: buduje model matematyczny nieznanego środowiska, formalizuje go w Lean 4 i dostarcza sprawdzalny dowód na to, że nie istnieje żadna zwycięska sekwencja. Na ARC-AGI-3 podejście oczyszcza wszystkie 183 poziomy i podnosi wynik Claude Opus 5 z 40,7 do 99,9.

Dlaczego „nie zadziałało” to zła odpowiedź

ARC-AGI-3 to zestaw 25 publicznych gier, w których agent nie otrzymuje ani zasad, ani celu. Musi opracować mechanikę, a następnie przejść poziom. Zadania te sprawdzają, czy model potrafi wnioskować o nieznanym świecie, zamiast przywoływać podobne przykłady ze szkolenia.

Właśnie tam potykają się flagowce. W eksperymencie na dwóch zapieczętowanych poziomach — poziomach, których budżet działania jest o jedną jednostkę niższy od najtańszej możliwej wygranej — ani Claude Opus 5.5, ani GPT-6 Astra, oba wyposażone w narzędzia do kodowania, nie dostarczyły ani jednego dowodu. W 12 seriach tylko pięć razy stwierdzili, że zadanie jest niemożliwe, a w czterech z nich podali błędny koszt minimalny. Na poziomie sc25 z budżetem 18 akcji (najtańsza wygrana kosztuje 19), GPT-6 Astra znalazł trasę kosztującą 22 ruchy i doszedł do wniosku, że nie ma nic tańszego – bez dowodu.

Jak AWM zamienia grę w twierdzenie

Praca przebiega w trzech etapach. Po pierwsze, eksploracja: agent odtwarza, rejestruje obserwacje i zapisuje hipotezy w postaci wykonywalnego kodu Python. Każda hipoteza jest testowana pod kątem wszystkich zaobserwowanych przejść i przepisywana, jeśli chociaż jedno przejście jej zaprzecza.

Następnie pojawia się struktura: hipotezy stają się obiektami typowanymi i wspólnymi regułami, podczas gdy transformacje inspirowane teorią kategorii eliminują redundancję. W grze lp85 jedenaście oddzielnych koncepcji dotyczących czterech rodzajów przycisków sprowadziło się do jednej reguły press_permutes. Na koniec model jest tłumaczony na Lean 4, język używany przez matematyków do sprawdzania maszynowego dowodów. Tam AWM dowodzi dwojakiego rodzaju twierdzeń: że określona trasa prowadzi do celu i że przy danym budżecie nie ma w ogóle zwycięskiej drogi.

Kluczowym zwrotem jest „w ogóle”. Normalny model mówi: „Nie znalazłem”. AWM przedstawia dowód, który można sprawdzić wiersz po wierszu i który wyklucza każdą legalną sekwencję działań, a nie tylko te, których agent próbował przypadkiem.

Sześć dowodów kontra zero

Na dwóch zapieczętowanych poziomach AWM powstał zamknięty Lean dowód na to, że wygrana w ramach budżetu jest niemożliwa we wszystkich sześciu z sześciu serii. GPT-6 Astra i Claude Opus 5.5 nie dały żadnych takich dowodów w dwunastu seriach. Szacunki dotyczące minimalnych kosztów są jeszcze bardziej wymowne: cztery z sześciu początkowych granic AWM były prawidłowe, Claude Opus 5.5 trafiło jedno z sześciu, a GPT-6 Astra nie uzyskało żadnego. Po tym, jak powiedziano mu, że istnieje tańsza wygrana, AWM zrewidował swoje zasady i osiągnął sześć prawidłowych granic z sześciu.

183 poziomy, 99,9 punktów i 43% działań człowieka

Następnie następuje pełny zestaw ARC-AGI-3. W 25 publicznych grach modele AWM pozwalają Lean odtworzyć zwycięskie trajektorie ze wszystkich 183 poziomów. W niewidocznych układach zamrożone reguły przewidziały wszystkie 4160 przejść; po zmianie mechanicznej model odrzucił 4031 przejść — co oznacza, że ​​model zauważył, że świat się zmienił, zamiast kontynuować stare instrukcje.

Przy Claude Opus 5 jako modelu podstawowym, AWM osiąga 99,9; to samo Claude Opus 5 bez AWM daje 40,7. Certyfikowane zwycięskie trajektorie wykorzystują 43% działań, jakie wykonuje człowiek. Innymi słowy, system nie tylko czyści grę; oczyszcza go bardziej ekonomicznie niż przeciętny człowiek.

Gdzie jest haczyk

Dowody AWM są dowodem na wyuczony model, a nie na samą grę. Zamienianie ekranów w stany następuje w Python, na zewnątrz Lean. Model może okazać się bardziej rygorystyczny niż gra; wówczas dowód „niemożliwego” byłby prawdziwy dla modelu i fałszywy dla rzeczywistości. Autorzy jasno mówią, co potwierdzają dowody: zasady są zgodne z każdym zarejestrowanym przejściem, certyfikowana trasa naprawdę spełnia poziom zgodny z tymi zasadami, a na poziomach zapieczętowanych nie ma zwycięskiej trasy w ramach budżetu.

Połączenie z prawdziwą grą jest ustanawiane z zewnątrz: zamrożone zasady przewidują 4160 przejść w niewidocznych układach, a wyczerpujące przeszukanie silnika gry potwierdza zapieczętowane progi. Jeśli jednak eksploracja była niekompletna i agent pominął ważną zasadę, efektem jest lokalna prawda, a nie opis całego świata. Autorzy opisują pętlę: obserwacja, hipoteza, eksperyment, abstrakcja, dowód i jeszcze raz obserwacja. Papier jest włączony arXiv (przesłano 29 października 2026 r., poprawiono 30 października) i uruchomiono nagrania oraz wersję demonstracyjną na stronie projektu.

Dlaczego to ma znaczenie poza grami

Agenci już planują wyjazdy, piszą kod i zarządzają zadaniami. Jednak w prawdziwym świecie będą musieli powiedzieć nie tylko „oto rozwiązanie”, ale także „nie ma rozwiązania i oto dlaczego”. Różnica jest ogromna. „Nie znalazłem” oznacza wypróbowanie innego podejścia lub czekanie. „Udowodniłem, że się nie da” uwalnia zasoby, zmienia plan i zatrzymuje niekończącą się pętlę.

W przypadku platformy zbudowanej na modelach generatywnych pytanie wygląda tak samo z drugiej strony: im więcej zadań zostanie zautomatyzowanych, tym ważniejsza staje się sprawdzalność, a nie pewność odpowiedzi. Dowód formalny jest najbardziej ekstremalną i najściślejszą formą tej sprawdzalności. W grach to już działa. Kolejnym krokiem w planowaniu, budżetowaniu i przeglądzie kodu jest nauka budowania równie krótkich i czytelnych dowodów na problemy bez jasnych reguł.

Co to oznacza dla użytkowników

Obydwa modele z gazety — Claude Opus 5.5 i GPT-6 Astra — dostępne są w NeuralSpace Czat. AWM to projekt badawczy, do którego nie ma publicznego dostępu, ale już widać, jak współczesne modele rozumują na temat własnych zadań. Dla agentów budowlanych i własnych projektów istnieje Kod sekcja.

I trochę prawdziwych statystyk. Według zanonimizowanych danych produkcyjnych z NeuralSpace w ciągu ostatnich 30 dni (okno 03.10–02.11.2026) czat obsłużył 1513 wiadomości użytkowników w 516 sesjach. Cztery modele stanowiły 69% odpowiedzi, przy czym GPT-5.4 Mini prowadziło z 580 odpowiedziami. Ciężkie flagowce dobierane są selektywnie: w codziennej pracy zazwyczaj wygrywa szybkość i cena, natomiast trudne problemy to osobna historia.

Często zadawane pytania

Co to jest Algebraic World Model?

System, który bada nieznane środowisko, buduje jego model matematyczny i formalnie potwierdza twierdzenia dotyczące tego modelu w Lean 4 — na przykład, że cel jest nieosiągalny w ramach danego budżetu działania.

Czym AWM różni się od modelu języka regularnego?

Model językowy proponuje odpowiedź i może się mylić, jeśli jej nie pokazuje. AWM najpierw buduje jednoznaczne reguły świata, następnie je sprawdza i wyciąga konsekwencje jako dowód, że niezależny program może to zweryfikować. Błąd w regule jest widoczny, a nie ukryty w wagach.

Czy mogę spróbować AWM?

Nie ma wersji publicznej; to projekt badawczy. Jednak podstawowe modele, na których działał, są dostępne na czacie NeuralSpace, a w sekcji Kod możesz tworzyć własne eksperymenty.