For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/es/articles/alphaproof-nexus-erdos-problems-oeis-proo-b583eb5b.md.
AlphaProof Nexus, de Google DeepMind, es el tema de un artículo de Science sobre el uso de demostraciones formales generadas por IA para abo...
AlphaProof Nexus, de Google DeepMind, es el tema de un artículo de Science sobre el uso de demostraciones formales generadas por IA para abordar problemas de investigación abiertos. El artículo informa de nueve resultados entre 353 problemas abiertos de Erdős y 44 demostraciones entre 492 conjeturas de la OEIS, además de trabajos en otras áreas de las matemáticas.
Uno de los casos destacados resuelve dos preguntas planteadas originalmente por Erdős y Sárközy en 1970. La importancia más amplia reside en el flujo de trabajo: un modelo de lenguaje propone argumentos en un lenguaje formal y Lean comprueba si cada paso de la demostración es válido.
Esta combinación aborda una debilidad conocida de las matemáticas generadas: un argumento que parece convincente no tiene por qué ser correcto. Un verificador formal ofrece un criterio de aceptación más estricto, siempre que el enunciado formal represente con precisión el problema que se pretende resolver.
El ejemplo corresponde al problema n.º 12 de Erdős. Trata sobre conjuntos infinitos de enteros positivos sujetos a la siguiente restricción: no puede haber elementos distintos a, b y c, con b y c mayores que a, tales que a divida a b + c.
Por ejemplo, 2, 3 y 5 no pueden pertenecer todos a un conjunto de este tipo: 2 divide a 3 + 5. El reto consiste en evitar estas relaciones de divisibilidad sin renunciar a incluir muchos enteros.
Enunciado del problema reproducido en la fuente; la página activa de Erdős Problems indica el estado actual.
La primera pregunta plantea si ese conjunto infinito puede contener, hasta N, al menos una cantidad equivalente a una constante positiva por sqrt(N) miembros para todo N suficientemente grande. La construcción ofrece una respuesta afirmativa.
La fuente describe una construcción bloque por bloque. Las condiciones de congruencia, organizadas mediante el teorema chino del resto, impiden interacciones prohibidas entre bloques. Por ejemplo, un primo puede dividir elementos de un bloque mientras que los bloques posteriores son congruentes con 1 módulo ese primo, lo que impide que se dé la divisibilidad requerida.
El argumento también debe controlar las distancias entre bloques. Elegir suficientes elementos en el bloque actual para sostener la cota de conteo hasta que empiece el siguiente evita que el conjunto se vuelva demasiado disperso a lo largo del tramo intermedio de enteros.
Esto es un esquema de la estrategia de demostración, no una demostración completa. Los enunciados formales y las construcciones detalladas están enlazados en el debate público.
La segunda pregunta plantea si, para todo conjunto que cumpla la restricción, existe un exponente fijo inferior a 1 que pueda acotar la función de conteo para infinitos valores de N. La respuesta es no.
Para cualquier c positivo fijo, la construcción puede producir un conjunto permitido cuyo conteo se mantenga, a partir de cierto punto, al menos en N^(1-c). Por tanto, una única cota de potencia de este tipo no funciona de manera uniforme para todos esos conjuntos.
La página pública de Erdős Problems atribuye la construcción a DeepMind y registra simplificaciones y mejoras posteriores por parte de la comunidad. Es fundamental señalar que la tercera pregunta del problema n.º 12, sobre la convergencia de la suma de los recíprocos, sigue abierta. Resolver las dos primeras partes no equivale a resolver todas las partes del problema numerado.
Tras la publicación de la demostración, Terence Tao señaló que podía eliminarse una restricción que excluía progresiones aritméticas de tres términos en una parte de la construcción original. En ese paso, la condición de que los dos números mayores superen al menor ya descarta la igualdad pertinente.
Comentario de Tao reproducido por la fuente; el debate público original está enlazado más abajo.
Otros comentarios desarrollaron construcciones más densas. Es un ejemplo concreto de colaboración: un argumento formal producido por IA se convierte en material que los matemáticos pueden examinar, simplificar y mejorar. El debate tuvo lugar en abril de 2026, antes de la publicación de Science en octubre; la publicación y el descubrimiento inicial no deben tratarse como si fueran la misma fecha.
Según la descripción que ofrece la fuente de la arquitectura completa de Nexus, varios agentes de demostración desarrollan borradores, un agente de evaluación los compara y una población compartida almacena los avances prometedores. Un borrador parcial que incluya una construcción útil puede recibir más atención aunque un lema pendiente impida completarlo.
El sistema también puede recurrir a AlphaProof para abordar subobjetivos y reutilizar demostraciones de objetivos resueltos anteriormente. El modelo de lenguaje se ocupa de organizar y descomponer los argumentos, mientras que las herramientas formales comprueban o completan las obligaciones de demostración resultantes.
Diagrama de la arquitectura de Nexus reproducido en el informe de la fuente.
La diferencia importante es que no se acepta sin verificar una respuesta en lenguaje natural. Las demostraciones candidatas deben superar el ciclo de verificación formal. Los intentos fallidos proporcionan información para volver a intentarlo, en lugar de presentarse como matemáticas ya resueltas.
Los investigadores también estudiaron qué parte de la arquitectura completa era necesaria para los resultados seleccionados sobre problemas de Erdős. El resumen de Science confirma que un agente básico que alternaba la generación del modelo de lenguaje con la verificación de Lean reprodujo esos resultados.
La fuente identifica esa configuración de referencia como Gemini 3.1 Pro más Lean, sin intercambio evolutivo ni llamadas a AlphaProof, y afirma que varios intentos independientes recuperaron las demostraciones de los nueve problemas seleccionados. También informa de que AlphaProof por sí solo no resolvió ninguno en la comparación correspondiente.
Se trata de una ablación retrospectiva sobre el conjunto de problemas resueltos. No implica una tasa de éxito del 100 % en los 353 problemas originales ni demuestra que un agente sencillo siempre tenga éxito en un solo intento.
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
Ejemplo de descomposición de un problema de la investigación, reproducido en la fuente.
El estudio también examinó 492 conjeturas abiertas de la Enciclopedia en línea de sucesiones de enteros, conocida como OEIS, e informó de 44 demostraciones. El denominador importa: se trataba de una colección seleccionada de conjeturas, no de una afirmación de que se hubiera resuelto la OEIS en su totalidad.
La fuente describe la comprobación humana de que el código formal expresa correctamente cada pregunta y de que la conjetura no se había demostrado anteriormente. También describe la verificación de los términos iniciales generados para cada sucesión frente a los valores esperados antes de demostrar un enunciado general.
Estas comprobaciones abordan riesgos distintos. Lean puede validar una demostración de un enunciado formal, pero no puede determinar por sí solo si ese enunciado corresponde a la conjetura informal que se pretendía expresar ni si el teorema es nuevo en la literatura.
Una aplicación a la optimización va un paso más allá de demostrar una conjetura proporcionada: encuentra una secuencia eficaz de parámetros y demuestra su garantía de convergencia.
El descenso-asenso de gradiente anclado (Anchored GDA) estudia la optimización min-max, en la que una variable minimiza una función objetivo mientras otra la maximiza. El descenso-asenso de gradiente ordinario puede oscilar; el anclaje añade una fuerza de atracción hacia un punto de referencia fijo para ayudar a estabilizar las actualizaciones.
El preprint citado, An Improved Last-Iterate Convergence Rate for Anchored Gradient Descent Ascent, informa de una elección de parámetros que alcanza una cota exacta de O(1/t) sobre la norma del gradiente al cuadrado de la última iteración. Aquí, t es el número de iteraciones.
Título y resumen del preprint de abril de 2026, reproducidos en la fuente.
La garantía se aplica bajo los supuestos del artículo: un operador de gradiente monótono, suavidad de Lipschitz y la existencia de un punto de silla, en un contexto suave, convexo-cóncavo. No es una afirmación general de convergencia para cualquier función objetivo no convexa de aprendizaje automático, y la norma al cuadrado no debe confundirse con la norma en sí.
El preprint afirma que el resultado fue descubierto de forma autónoma por un sistema de IA capaz de escribir demostraciones en Lean. Su envío del 4 de abril es anterior al artículo de Science; el informe de octubre sitúa este trabajo en el contexto más amplio de Nexus.
La perspectiva que acompaña al artículo de Science, escrita por Jeremy Avigad y Matthew Ballard, sitúa estos resultados más allá de las matemáticas de competición, en el terreno de las preguntas abiertas de investigación. El avance no consiste simplemente en producir explicaciones más largas, sino en combinar ideas matemáticas propuestas con una verificación explícita de las demostraciones.
La intervención humana sigue presente en la selección de problemas, los enunciados formales, las bibliotecas, la infraestructura de investigación y la evaluación de la novedad y la importancia. El debate público sobre el problema n.º 12 también demuestra que una demostración verificada puede ser matemáticamente correcta y, aun así, beneficiarse de una simplificación considerable.
Por tanto, Nexus ofrece indicios de un flujo de trabajo de investigación productivo, cuyas fortalezas pueden medirse mediante demostraciones completadas y cuyas limitaciones pueden examinarse a través de enunciados formales y de la revisión matemática pública.
AlphaProof Nexus es un marco de búsqueda de demostraciones formales con IA descrito en un artículo de Google DeepMind publicado en Science. Combina la generación de demostraciones mediante modelos de lenguaje con la verificación basada en Lean; su diseño más completo puede organizar borradores y utilizar herramientas especializadas de demostración.
El artículo informa de nueve resultados entre 353 problemas abiertos de Erdős y de 44 demostraciones entre 492 conjeturas de la OEIS. Estos resultados corresponden a colecciones seleccionadas por el estudio, no a la afirmación de que se haya resuelto toda la matemática abierta de ninguno de esos recursos.
No. La página pública del problema registra una respuesta afirmativa a la primera pregunta y negativa a la segunda. La pregunta sobre la convergencia de la suma de los recíprocos sigue abierta.
Lean comprueba que la demostración formal presentada establece el enunciado formal del teorema. Sigue siendo necesario un examen independiente para confirmar que el enunciado corresponde al problema que se pretendía abordar y que el resultado es realmente novedoso.
El resumen de Science afirma que un agente básico de generación y verificación reprodujo esos resultados. La fuente describe varios intentos con Gemini 3.1 Pro y Lean, lo que no debe interpretarse como una garantía en una sola ejecución ni como un resultado satisfactorio en los 353 problemas.
Estableció una tasa de O(1/t) para la norma del gradiente al cuadrado de la última iteración, bajo los supuestos suaves y convexos-cóncavos indicados en el artículo. El preprint ofrece una secuencia concreta de parámetros y una demostración formal, no una aceleración general para todos los algoritmos de optimización.
AlphaProof Nexus aporta indicios de que las demostraciones generadas por IA y verificadas formalmente pueden contribuir a la matemática de investigación sobre problemas abiertos. Los resultados comunicados abarcan preguntas seleccionadas de Erdős y de la OEIS, y el seguimiento público de matemáticos permitió mejorar al menos una de las construcciones destacadas.
El ciclo de verificación es fundamental, pero es necesario prestar atención a la precisión de la formalización, la novedad y el alcance de cada teorema. Una demostración comprobada es un resultado de investigación concreto; resulta más útil cuando también están claros su enunciado, sus supuestos y las preguntas que siguen abiertas.
Empieza con una sola frase y obtén un sitio completo en minutos.
