쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 16일 (월)까지 4683건
10건 · "수학 증명"조건 지우기 ×
001 18:11 ▲ 47 · 댓글 3 교과서 구조에서 수학 증명 380만 개 추출 언어 모델의 수학 학습 데이터는 보통 문제-풀이 쌍으로 단순화되어, 원본 교과서의 조직체계와 증거 구조가 손실된다. AI · 머신러닝 · Scaling Mathematical Proof Supervision from Structured Textbooks
Key Point 언어 모델의 수학 능력을 근본적으로 개선할 수 있는 새로운 데이터 구조와 38만 개의 증명 레코드를 제시하는데, 실제 교과서 구조를 보존함으로써 기존 단순 문제-풀이 쌍 방식보다 학습 효율이 크게 높다는 점이 중요하다.
핵심 요약
언어 모델의 수학 학습 데이터는 보통 문제-풀이 쌍으로 단순화되어, 원본 교과서의 조직체계와 증거 구조가 손실된다. 연구팀은 TOME-Math라는 대규모 코퍼스를 구축해 2,118개 대학수학 교과서를 약 38만 개의 구조화된 증명 감독 레코드로 변환했다. 변환 과정에서 장(章) 순서, 명제-증명 연결, 의존성 참조, 출처 정보 등의 구조 신호를 보존했다. 전체 요약 7문장 읽기 → 002 06:11 ▲ 662 · 댓글 352 Claude Fable 5.2와 Mythos 5.2 공개, 코딩·과학 성능 대폭 향상 Anthropic이 Claude Fable 5.2와 Claude Mythos 5.2를 공개했으며, 두 모델은 같은 기반 모델이지만 Mythos는 사이버보안·생물학 분야 검증 프로그램을 통해 제한적으로 제공된다. AI · 머신러닝 · Claude Fable 5.2 and Mythos 5.2
Key Point Fable 5.2와 Mythos 5.2는 상용 모델 중 가장 복잡한 엔지니어링·연구 작업을 수행할 수 있도록 설계되었으며, 코딩·수학 증명·물리학 문제 해결에서 구체적인 성과를 입증해 AI 실무 활용의 경계를 넓혔다.
핵심 요약
Anthropic이 Claude Fable 5.2와 Claude Mythos 5.2를 공개했으며, 두 모델은 같은 기반 모델이지만 Mythos는 사이버보안·생물학 분야 검증 프로그램을 통해 제한적으로 제공된다. 테스트 결과 Fable 5.2와 Mythos 5.2는 이전 버전 대비 커뮤니케이션이 명확하고, 토큰 생성 속도는 30% 빠르며, 입력 토큰 800만 개당 $8, 출력 토큰 100만 개당 $40으로 가격이 인하됐다. 선택적 fast mode는 토큰 생성을 최대 2.5배 가속하며 입력 토큰당 $16, 출력 토큰당 $80이다. 전체 요약 16문장 읽기 → 003 00:11 ▲ 106 · 댓글 34 284B 대형 AI 모델, GPU 없이 64GB RAM에서 실행하기 llama-modchip v2.4.0은 GPU 없이 순수 CPU만으로 284B 파라미터의 DeepSeek-V4-Flash 모델을 64GB RAM에서 실행할 수 있는 오픈소스 프로젝트다. AI · 머신러닝 · Llama-modchip: 284B DeepSeek on 64GB RAM, no GPU
Key Point GPU 없이 대형 언어 모델을 기존 CPU 워크스테이션에서 실행할 수 있게 되면, 엔터프라이즈 AI 인프라의 진입 장벽이 크게 낮아진다.
핵심 요약
llama-modchip v2.4.0은 GPU 없이 순수 CPU만으로 284B 파라미터의 DeepSeek-V4-Flash 모델을 64GB RAM에서 실행할 수 있는 오픈소스 프로젝트다. 표준 방식으로는 DeepSeek-V4-Flash가 76.87GB가 필요해 64GB 시스템에서 메모리 부족 오류가 나지만, SwiGLU-H2 2차 헤시안 압축과 Fractal-64 양자화(3.75 bits/weight)를 조합하면 56.56GB로 축소할 수 있다. 256K 토큰 컨텍스트에서 프리필(prefill) 성능은 43.16~44.36 토큰/초, 순수 CPU 디코딩은 9.06~10.74 토큰/초, Stockfish-PVS 추측 디코딩 적용 시 11.5~14.7 토큰/초를 달성한다. 전체 요약 13문장 읽기 → 004 12:11 ▲ 125 · 댓글 85 AI 시대 수학자에게 필요한 것은 '자아를 내려놓는 것' 수학이 인간의 창작물인가 아니면 독립적으로 존재하는 진리인가 하는 근본적 질문이 AI 발전과 함께 재현되고 있다. AI · 머신러닝 · Egoless Mathematics in the AI Era
Key Point AI가 수학 증명을 만들어내기 시작하는 시점에서, 수학자가 추구해야 할 가치가 결과 생산과 개인 능력 증명에만 있는지를 근본부터 물음으로써 학문의 목적을 재정의하는 시도이다.
핵심 요약
수학이 인간의 창작물인가 아니면 독립적으로 존재하는 진리인가 하는 근본적 질문이 AI 발전과 함께 재현되고 있다. 수학의 발견은 수동적으로 보이지만, 고생물학자가 화석을 찾을 때처럼 이미 존재하는 것을 능동적으로 탐색하는 과정이며, 수학자가 만드는 개념과 틀은 그 진리를 인식하기 위한 수단이다. 정의를 도입한 후 예상 밖의 연결이 드러나거나 예상이 반례에 부딪힐 때처럼, 우리의 사고가 자유롭게 결정하지 않은 독립적 질서와 만난다. 전체 요약 14문장 읽기 → 005 00:11 ▲ 20 · 댓글 1 세션을 넘나드는 자율 연구 에이전트 Épi, 수학 난제 풀이에서 기록 경신 Épi는 세션 간 연구 연속성을 유지하고 누적된 경험으로 방법론을 개선하는 자율 연구 에이전트다. AI · 머신러닝 · Epi: Towards a Persistent, Self-Improving Agent for Autonomous Research
Key Point 자율 에이전트가 세션을 넘어 학습·개선하면서 수학 상수 계산부터 그래프 추측 증명까지 인간이 푸지 못한 문제들을 컴퓨터 보조로 해결하는 새 패러다임을 보여준다.
핵심 요약
Épi는 세션 간 연구 연속성을 유지하고 누적된 경험으로 방법론을 개선하는 자율 연구 에이전트다. 지속적 연구 이력, 계층적 메모리, 분기 탐색, 독립적 검증을 결합해 실험을 추적하고 대안적 접근을 재검토한다. 수치 해석에서 120개의 기록을 세웠는데, n-queens 상수 구간을 약 84배 좁혔고 quartic Feigenbaum attractor 차원 구간을 360만 배 이상 좁혔다. 전체 요약 8문장 읽기 → 006 18:11 ▲ 114 · 댓글 22 수학 증명의 형식화, AI 자동화 시대 열리다 형식 증명은 수학의 기초와 논리 규칙 수준에서 철저히 검증한 증명으로, 컴퓨터로 자동 검사하는 것이 일반적이며 페르마 최종 정리·구 채움 문제 등이 형식화됐다. AI · 머신러닝 · What mathematicians should know about the Lean Theorem Prover: reliability & AI
Key Point AI가 수학 증명을 자동 형식화하기 시작하면서 신뢰성·일관성 검증의 새로운 시대가 열렸지만, 커널 버그와 AI 자체에 대한 신뢰 문제가 수학의 기초를 위협할 수 있다.
핵심 요약
형식 증명은 수학의 기초와 논리 규칙 수준에서 철저히 검증한 증명으로, 컴퓨터로 자동 검사하는 것이 일반적이며 페르마 최종 정리·구 채움 문제 등이 형식화됐다. 증명 보조기(proof assistant) 중 Lean이 수학자들에게 가장 인기 있으며, 2013년 Leo de Moura가 개발했고 마이크로소프트에서 오픈소스로 공개됐다. Lean의 표준 수학 라이브러리인 mathlib은 약 30만 개 정리, 10만 개 이상 정의, 250만 줄 코드로 700명 이상이 기여했다. 전체 요약 13문장 읽기 → 007 18:30 ▲ 304 · 댓글 186 AI 수학 증명 검증의 함정, 자동형식화는 신뢰할 수 없다 AI가 자연언어 수학 증명을 Lean 같은 형식 언어로 자동 번역하는 '자동형식화'가 수학 검증에 널리 쓰이고 있으며, OpenAI의 나비에-스토크스 방정식 해의 폭발성 증명도 이 방식으로 검증되었다. AI · 머신러닝 · Navier–Stokes Lost in Translation
Key Point AI가 수학 논문을 자동으로 검증하려는 시도가 이론적으로 불가능하다는 것을 보여주는 논문으로, OpenAI의 발표된 증명이 실제로는 원본과 다를 수 있음을 시사한다.
핵심 요약
AI가 자연언어 수학 증명을 Lean 같은 형식 언어로 자동 번역하는 '자동형식화'가 수학 검증에 널리 쓰이고 있으며, OpenAI의 나비에-스토크스 방정식 해의 폭발성 증명도 이 방식으로 검증되었다. 그러나 이 논문은 형식 언어로 검증된 증명이 원래 자연언어 증명의 정확성을 보장하지 않음을 보인다. 문제는 자연언어 수학 텍스트의 모호성을 해결하려면 의미론적으로 충실한 번역이 필수인데, 이 모호성 해결 문제가 계산 복잡도 계층(Solvability Complexity Index)에서 무한 수준(SCI = ∞)에 위치한다는 것이다. 전체 요약 6문장 읽기 → 008 03:11 ▲ 102 · 댓글 87 AI가 증명하는 정리, 수학의 미래를 두고 한숨 AI가 나비에-스토크스 추측을 증명하고 밀레니엄 문제를 해결하면서 수학 커뮤니티가 다섯 단계 상실감(거부·분노·타협·우울·수용)을 겪고 있다. AI · 머신러닝 · To grieve, or not to grieve?
Key Point AI가 수학의 어려운 정리들을 증명하면서 수학자들이 자신의 역할과 가치를 재정의하려 하는 와중에, 저자는 '이해'를 내세우는 것이 장기적 함정이 될 수 있으며 정리 증명 자체의 가치를 돌아봐야 한다고 주장한다.
핵심 요약
AI가 나비에-스토크스 추측을 증명하고 밀레니엄 문제를 해결하면서 수학 커뮤니티가 다섯 단계 상실감(거부·분노·타협·우울·수용)을 겪고 있다. 거부 단계: '인간 수학 협회'는 AI 사용을 금지하고 AI 없이 증명을 찾겠다고 선언하며, 필즈상 수상자 피터 숄체는 AI를 쓰지 않겠다고 공언했다. 분노 단계: 블라드 라직 등 여러 수학자가 온라인에서 AI 증명에 대한 분노를 표했다. 전체 요약 13문장 읽기 → 009 00:11 ▲ 108 · 댓글 154 AI 수학 논문 공개, 인간의 이해를 먼저 확보하라 수학 커뮤니티는 AI랩이 독점 모델로 고급 수학 문제를 테스트하는 관행을 중단할 것을 요청했다. AI · 머신러닝 · Responsible Release of AI-Generated Mathematics
Key Point AI가 인간이 검증하지 못한 수학 증명을 공개하는 관행이 학문 규범과 평등성을 위협하므로, 수학계의 새로운 기준을 수립해야 한다는 근본적 문제를 다룬다.
핵심 요약
수학 커뮤니티는 AI랩이 독점 모델로 고급 수학 문제를 테스트하는 관행을 중단할 것을 요청했다. 수학 분야의 전통적 규범은 논문 저자가 내용을 이해하고 정확성을 검증하며 책임을 지는 것인데, AI 생성 결과는 이를 위반할 수 있다. 600개 이상의 피드백을 바탕으로 책임감 있는 AI 수학 결과 공개를 위한 권고안을 수립했다. 전체 요약 9문장 읽기 → 010 03:10 ▲ 123 · 댓글 114 AI와 함께 50년 묵은 수학 난제 증명 성공 수학 비전공자가 Claude AI를 활용해 John Conway가 1976년에 제시한 초현실수 관련 미해결 난제를 Lean 증명으로 완성했다. AI · 머신러닝 · I vibed a proof of Conway's conjecture
Key Point AI가 인간과 협력해 순수 수학 난제를 해결할 수 있음을 보여주는 사례로, 형식 검증 시스템의 신뢰성이 수학 증명의 새로운 인정 방식이 될 수 있음을 시사한다.
핵심 요약
수학 비전공자가 Claude AI를 활용해 John Conway가 1976년에 제시한 초현실수 관련 미해결 난제를 Lean 증명으로 완성했다. 해당 난제는 omnific integers의 refinement property에 관한 Conway의 추측으로, 두 가지 인수분해가 공통 세분화를 가지는지를 묻는 문제다. 저자는 Claude에게 초현실수 분야의 흥미로운 문제를 골라달라 요청했고, Claude가 이 난제를 추천했다. 전체 요약 6문장 읽기 →