Umelá inteligencia sa naučila dokazovať nemožnosť: AWM od Tsinghua porazí GPT-6 Astra a Claude Opus 5.5, kde sa vzdajú

Čo robí AI, keď úloha nemá riešenie? Zvyčajne sa hovorí „Nedokázal som to urobiť“ – čo je na nerozoznanie od „Nenašiel som to“. Tím z Tsinghua University a Zhejiang University vedený víťazom Turingovej ceny Andrewom Yaom predstavil Algebraic World Model (AWM), systém, ktorý doslova dokazuje nemožnosť: vytvára matematický model neznámeho prostredia, formalizuje ho v Lean 4 a vytvára overiteľný dôkaz, že neexistuje žiadna víťazná postupnosť. Na ARC-AGI-3 prístup vymaže všetkých 183 úrovní a zvýši skóre Claude Opus 5 zo 40,7 na 99,9.

Prečo „to nefungovalo“ je zlá odpoveď

ARC-AGI-3 je súbor 25 verejných hier, v ktorých agent nedostane ani pravidlá, ani cieľ. Musí vyriešiť mechaniku a potom vyčistiť úroveň. Tieto úlohy testujú, či model dokáže uvažovať o neznámom svete, namiesto toho, aby si pripomínal podobné príklady z tréningu.

To je presne to, kde sa vlajkové lode potknú. V experimente na dvoch zapečatených úrovniach – úrovniach, ktorých akčný rozpočet je o jednotku nižší ako najlacnejšia možná výhra – ani Claude Opus 5.5 ani GPT-6 Astra, obe vybavené nástrojmi na kódovanie, nepriniesli jediný dôkaz. V rámci 12 cyklov uviedli, že úloha bola nemožná iba päťkrát a v štyroch z týchto prípadov označili nesprávne minimálne náklady. Na úrovni sc25 s rozpočtom 18 akcií (najlacnejšia výhra stojí 19) našiel GPT-6 Astra trasu, ktorá stála 22 ťahov a dospel k záveru, že nič lacnejšie neexistuje – bez dôkazu.

Ako AWM zmení hru na vetu

Práce prebiehajú v troch etapách. Po prvé, prieskum: agent hrá, zaznamenáva pozorovania a píše hypotézy ako spustiteľný kód Python. Každá hypotéza je testovaná proti všetkým pozorovaným prechodom a prepísaná, ak je čo i len jeden prechod v rozpore.

Potom prichádza štruktúra: hypotézy sa stávajú typizovanými objektmi a zdieľanými pravidlami, zatiaľ čo transformácie inšpirované teóriou kategórií odstránia nadbytočnosť. V hre lp85 sa jedenásť samostatných konceptov o štyroch druhoch tlačidiel zrútilo do jediného pravidla, press_permutes. Nakoniec je model preložený do Lean 4, jazyka, ktorý matematici používajú na strojovo overiteľné dôkazy. AWM dokazuje dva druhy tvrdení: že konkrétna trasa dosiahne cieľ a že pri danom rozpočte neexistuje žiadna víťazná trasa.

Kľúčová fráza je „vôbec“. Normálny model hovorí: "Nenašiel som to." AWM predstavuje dôkaz, ktorý je možné skontrolovať riadok po riadku a ktorý vylučuje každú zákonnú postupnosť akcií, nielen tie, o ktoré sa agent náhodou pokúsil.

Šesť dôkazov verzus nula

Na dvoch zapečatených úrovniach AWM vytvorilo uzavretý Lean dôkaz, že vyhrať v rámci rozpočtu nie je možné vo všetkých šiestich zo šiestich behov. GPT-6 Astra a Claude Opus 5.5 vyprodukovali nula takýchto dôkazov v rámci dvanástich cyklov. Odhady minimálnych nákladov sú ešte výpovednejšie: štyri zo šiestich počiatočných hraníc AWM boli správne, Claude Opus 5.5 má jednu zo šiestich správnych a GPT-6 Astra nemá žiadnu. Po tom, čo mu bolo povedané, že existuje lacnejšia výhra, AWM zrevidoval svoje pravidlá a dosiahol šesť správnych hraníc zo šiestich.

183 úrovní, 99,9 bodov a 43 % ľudských činov

Potom prichádza celý set ARC-AGI-3. V rámci 25 verejných hier umožňujú modely AWM prehrať Lean víťazné trajektórie všetkých 183 úrovní. Na neviditeľných rozloženiach zamrznuté pravidlá predpovedali všetkých 4 160 prechodov; po mechanickej zmene model odmietol 4 031 prechodov – čo znamená, že si model všimol, že sa svet zmenil, namiesto toho, aby pokračoval podľa starých pokynov.

So základným modelom Claude Opus 5 má AWM skóre 99,9; rovnaké Claude Opus 5 bez AWM skóre 40,7. Certifikované víťazné trajektórie využívajú 43 % akcií, ktoré strávi ľudská základná línia. Inými slovami, systém nielen vyčistí hru; čistí to ekonomickejšie ako priemerný človek.

Kde je háčik

Dôkazy AWM sú dôkazy o naučenom modeli, nie o hre samotnej. Premena obrazoviek na stavy sa deje v Python, mimo Lean. Model môže skončiť prísnejšie ako hra; potom by dôkaz „nemožného“ bol pravdivý pre model a nepravdivý pre realitu. Autori sa jasne vyjadrujú k tomu, čo stanovujú dôkazy: pravidlá súhlasia s každým zaznamenaným prechodom, certifikovaná cesta skutočne vyčistí úroveň podľa týchto pravidiel a na zapečatených úrovniach v rámci rozpočtu neexistuje žiadna víťazná cesta.

Spojenie so skutočnou hrou je vytvorené zvonku: zamrznuté pravidlá predpovedajú 4 160 prechodov na neviditeľných rozloženiach a vyčerpávajúce vyhľadávanie herného enginu potvrdzuje zapečatené hranice. Ak však prieskum nebol úplný a agent prehliadol dôležité pravidlo, výsledkom je miestna pravda, nie opis celého sveta. Autori opisujú slučku: pozorovanie, hypotéza, experiment, abstrakcia, dôkaz a ešte raz pozorovanie. Papier je zapnutý arXiv (predložené 29. októbra 2026, revidované 30. októbra) a spustiť záznamy a ukážku sú na stránke projektu.

Prečo na tom záleží mimo hry

Agenti už plánujú cesty, píšu kód a spravujú úlohy. V skutočnom svete však budú musieť povedať nielen „tu je riešenie“, ale „nie je žiadne riešenie a tu je dôvod“. Rozdiel je obrovský. „Nenašiel som to“ znamená skúsiť iný prístup alebo čakať. „Dokázal som, že sa to nedá“ uvoľňuje zdroje, mení plán a zastavuje nekonečnú slučku.

Pre platformu postavenú na generatívnych modeloch vyzerá otázka z druhej strany rovnako: čím viac úloh sa automatizuje, tým dôležitejšia sa stáva kontrolovateľnosť – nedôvera v odpoveď. Formálny dôkaz je najextrémnejšia, najprísnejšia forma tejto kontrolovateľnosti. V hrách to už funguje. Pri plánovaní, rozpočtovaní a kontrole kódu je ďalším krokom naučiť sa vytvárať rovnako krátke a čitateľné dôkazy problémov bez jasných pravidiel.

Čo to znamená pre používateľov

Oba modely z papiera – Claude Opus 5.5 a GPT-6 Astra – sú dostupné v NeuralSpace Rozhovor. AWM je výskumný projekt bez prístupu verejnosti, ale už teraz môžete vidieť, ako moderné modely uvažujú o vašich vlastných úlohách. Pre stavebných agentov a vaše vlastné projekty je tu kód oddiele.

A trochu reálnej štatistiky. Podľa anonymizovaných produkčných údajov od NeuralSpace za posledných 30 dní (okno 03.10 – 02.11.2026) chat spracoval 1 513 používateľských správ v 516 reláciách. Štyri modely predstavovali 69 % odpovedí, pričom GPT-5.4 Mini viedlo pri 580 odpovediach. Ťažké vlajkové lode sa vyberajú selektívne: pri každodennej práci zvyčajne vyhráva rýchlosť a cena, zatiaľ čo ťažké problémy sú samostatným príbehom.

FAQ

Čo je Algebraic World Model?

Systém, ktorý skúma neznáme prostredie, vytvára jeho matematický model a formálne dokazuje tvrdenia o tomto modeli v Lean 4 – napríklad, že cieľ je v rámci daného akčného rozpočtu nedosiahnuteľný.

Ako sa AWM líši od bežného jazykového modelu?

Jazykový model navrhuje odpoveď a môže sa mýliť bez toho, aby ju ukázal. AWM najprv vytvára explicitné pravidlá sveta, potom ich kontroluje a odvodzuje dôsledky ako dôkaz, ktorý môže overiť nezávislý program. Chyba v pravidle je viditeľná a nie skrytá v závažiach.

Môžem skúsiť AWM?

Neexistuje žiadna verejná verzia; je to výskumný projekt. Ale základné modely, na ktorých bežal, sú dostupné v NeuralSpace Chat a v sekcii Kód si môžete vytvoriť svoje vlastné experimenty.