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/pt/articles/alphaproof-nexus-erdos-problems-oeis-proo-b583eb5b.md.
O AlphaProof Nexus, da Google DeepMind, é o tema de um artigo publicado na Science sobre o uso de provas formais geradas por IA para abordar...
O AlphaProof Nexus, da Google DeepMind, é o tema de um artigo publicado na Science sobre o uso de provas formais geradas por IA para abordar problemas de investigação em aberto. O artigo relata nove resultados positivos entre 353 problemas de Erdős em aberto e 44 provas entre 492 conjecturas da OEIS, além de trabalho noutras áreas da matemática.
Um dos casos em destaque resolve duas questões originalmente propostas por Erdős e Sárközy em 1970. A importância mais ampla está no fluxo de trabalho: um modelo de linguagem propõe argumentos numa linguagem formal, e o Lean verifica se cada passo da prova é válido.
Esta combinação aborda uma fragilidade conhecida da matemática gerada por IA. Um argumento que parece convincente não é necessariamente correto; um verificador formal proporciona um critério de aceitação mais rigoroso, desde que a formulação formal represente com precisão o problema pretendido.
O exemplo vem do Problema de Erdős n.º 12. Diz respeito a conjuntos infinitos de números inteiros positivos sujeitos à seguinte restrição: não pode haver elementos distintos a, b e c, com b e c ambos maiores do que a, tais que a divida b + c.
Por exemplo, 2, 3 e 5 não podem pertencer todos ao mesmo conjunto: 2 divide 3 + 5. O desafio consiste em evitar estas relações de divisibilidade sem deixar de incluir muitos números inteiros.
Enunciado do problema reproduzido na fonte; a página ativa dos Problemas de Erdős regista o estado atual.
A primeira questão pergunta se, para todo o N suficientemente grande, esse conjunto infinito pode conter pelo menos um número de elementos até N igual a uma constante positiva multiplicada por sqrt(N). A construção demonstra que a resposta é sim.
A fonte descreve uma construção bloco a bloco. Condições de congruência, organizadas por meio do teorema chinês dos restos, impedem interações proibidas entre blocos. Por exemplo, um número primo pode dividir elementos de um bloco, enquanto os blocos posteriores são congruentes a 1 módulo esse primo, impedindo a divisibilidade necessária.
O argumento também tem de controlar as distâncias entre blocos. Escolher elementos suficientes no bloco atual para sustentar o limite de contagem até ao início do bloco seguinte impede que o conjunto se torne demasiado esparso ao longo do intervalo de números inteiros entre eles.
Este é um esboço da estratégia da prova, não uma demonstração completa. As formulações formais e as construções detalhadas estão ligadas na discussão pública.
A segunda questão pergunta se existe um expoente fixo inferior a 1 que possa limitar a função de contagem para infinitos valores de N, para qualquer conjunto que satisfaça a restrição. A resposta é não.
Para qualquer c positivo fixo, a construção pode produzir um conjunto admissível cuja contagem se mantém, a partir de certo ponto, pelo menos igual a N^(1-c). Assim, não existe um único limite por essa potência que funcione uniformemente para todos estes conjuntos.
A página pública dos Problemas de Erdős atribui a construção à DeepMind e regista simplificações e melhorias posteriores da comunidade. Importa sublinhar que a terceira questão do Problema n.º 12, sobre a convergência da soma dos recíprocos, continua em aberto. Resolver as duas primeiras partes não equivale a resolver todas as partes do problema numerado.
Depois da publicação da prova, Terence Tao observou que era possível remover uma restrição que excluía progressões aritméticas de três termos de parte da construção original. A condição de que ambos os números maiores excedam o menor já exclui, nesse passo, a igualdade relevante.
Comentário de Tao reproduzido pela fonte; a discussão pública original está ligada abaixo.
Comentários posteriores desenvolveram construções mais densas. Este é um exemplo concreto de colaboração: um argumento formal produzido por IA torna-se material que os matemáticos podem analisar, simplificar e melhorar. A discussão ocorreu em abril de 2026, antes da publicação na Science, em outubro; a publicação e a descoberta inicial não devem ser tratadas como a mesma data.
De acordo com a descrição da fonte sobre a arquitetura Nexus completa, vários agentes de prova desenvolvem rascunhos, um agente de classificação compara-os e uma população partilhada armazena os trabalhos promissores. Uma prova parcial que contenha uma construção útil pode receber atenção adicional mesmo quando um lema ainda por demonstrar impede a sua conclusão.
O sistema também pode recorrer ao AlphaProof para resolver subobjetivos e reutilizar provas de objetivos já resolvidos. O modelo de linguagem trata da organização e decomposição dos argumentos, enquanto as ferramentas formais verificam ou completam as obrigações de prova resultantes.
Diagrama da arquitetura Nexus reproduzido no relatório da fonte.
A diferença essencial está em não aceitar uma resposta em linguagem natural sem verificação. As provas candidatas têm de passar pelo ciclo de verificação formal. As tentativas de prova falhadas fornecem feedback para uma nova tentativa, em vez de serem apresentadas como matemática concluída.
Os investigadores também estudaram quanto da arquitetura completa era necessário para os resultados positivos selecionados nos problemas de Erdős. O resumo da Science confirma que um agente básico, alternando entre a geração por um modelo de linguagem e a verificação com Lean, reproduziu esses resultados.
A fonte identifica essa configuração de base como Gemini 3.1 Pro mais Lean, sem partilha evolutiva nem chamadas ao AlphaProof, e afirma que tentativas independentes repetidas recuperaram as provas de todos os nove problemas selecionados. Refere que o AlphaProof autónomo não resolveu nenhum problema na comparação correspondente.
Esta é uma ablação retrospetiva sobre o conjunto de problemas resolvidos com sucesso. Não implica uma taxa de sucesso de 100% nos 353 problemas originais nem demonstra que uma única tentativa com um agente simples seja sempre bem-sucedida.
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Exemplo de decomposição de um problema da investigação, reproduzido na fonte.
O estudo também considerou 492 conjecturas em aberto da On-Line Encyclopedia of Integer Sequences, relatando provas para 44. O denominador é importante: tratava-se de uma coleção selecionada de conjecturas, não de uma alegação de que a OEIS foi resolvida na sua totalidade.
A fonte descreve a verificação humana de que o código formal expressa corretamente cada questão e de que a conjectura ainda não tinha sido demonstrada. Descreve também a verificação dos primeiros termos das sequências geradas face aos valores esperados antes de demonstrar uma afirmação geral.
Estas verificações abordam riscos diferentes. O Lean pode validar uma prova de uma afirmação formal, mas não consegue, por si só, estabelecer que a afirmação corresponde à conjectura informal pretendida ou que o teorema é inédito na literatura.
Uma aplicação à otimização vai além de demonstrar uma conjectura fornecida: encontrar um escalonamento eficaz de parâmetros e demonstrar a respetiva garantia de convergência.
O método Anchored GDA estuda a otimização min-max, em que uma variável minimiza uma função objetivo enquanto outra a maximiza. O gradiente descendente-ascentente tradicional pode oscilar; a ancoragem acrescenta uma força de atração para um ponto de referência fixo, com o objetivo de estabilizar as atualizações.
O preprint citado, An Improved Last-Iterate Convergence Rate for Anchored Gradient Descent Ascent, relata uma escolha de parâmetros que alcança um limite exato de O(1/t) para a norma do gradiente ao quadrado na última iteração. Aqui, t representa o número de iterações.
Título e resumo do preprint de abril de 2026, reproduzidos na fonte.
A garantia aplica-se segundo os pressupostos do artigo: um operador de gradiente monótono, suavidade Lipschitz e a existência de um ponto de sela, no contexto suave convexo-côncavo. Não é uma afirmação geral de convergência para todos os objetivos não convexos de aprendizagem automática, e a norma ao quadrado não deve ser confundida com a própria norma.
O preprint afirma que o resultado foi descoberto autonomamente por um sistema de IA capaz de escrever provas em Lean. A submissão de 4 de abril antecede o artigo da Science; o relatório de outubro integra esse trabalho na narrativa mais ampla do Nexus.
A Perspetiva da Science que acompanha o artigo, da autoria de Jeremy Avigad e Matthew Ballard, situa estes resultados para além da matemática de competição, abordando questões de investigação em aberto. O avanço não consiste apenas em produzir explicações mais longas: consiste em combinar ideias matemáticas propostas com verificação explícita das provas.
A intervenção humana continua presente na seleção dos problemas, nas formulações formais, nas bibliotecas, na infraestrutura de investigação e na avaliação da novidade e da importância. A discussão pública em torno do Problema n.º 12 também mostra que uma prova verificada pode estar matematicamente correta e, ainda assim, beneficiar de uma simplificação substancial.
Assim, o Nexus apresenta evidências de um fluxo de trabalho de investigação produtivo, cujos pontos fortes podem ser avaliados através de provas concluídas e cujas limitações podem ser examinadas por meio das formulações formais e da análise matemática pública.
O AlphaProof Nexus é uma estrutura de pesquisa de provas formais por IA descrita num artigo da Google DeepMind publicado na Science. Combina a geração de provas por modelos de linguagem com a verificação baseada em Lean; a arquitetura mais completa pode organizar rascunhos e utilizar ferramentas de prova especializadas.
O artigo relata nove resultados positivos entre 353 problemas de Erdős em aberto e 44 provas entre 492 conjecturas da OEIS. Estes resultados dizem respeito às coleções selecionadas pelo estudo e não constituem uma alegação de que toda a matemática em aberto em qualquer uma das fontes foi resolvida.
Não. A página pública do problema regista uma resposta positiva à primeira questão e uma resposta negativa à segunda. A questão sobre a convergência da soma dos recíprocos continua em aberto.
O Lean verifica se a prova formal submetida demonstra a afirmação formal do teorema. Continua a ser necessária uma análise separada para confirmar que a afirmação corresponde ao problema pretendido e que o resultado é realmente novo.
O resumo da Science afirma que um agente básico de geração e verificação reproduziu esses resultados. A fonte descreve tentativas repetidas com Gemini 3.1 Pro e Lean, o que não deve ser interpretado como uma garantia numa única execução nem como sucesso nos 353 problemas.
Estabeleceu uma taxa de O(1/t) para a norma do gradiente ao quadrado na última iteração, segundo os pressupostos suaves convexo-côncavos indicados no artigo. O preprint apresenta um escalonamento específico de parâmetros e uma prova formal, e não uma aceleração garantida para todos os algoritmos de otimização.
O AlphaProof Nexus apresenta evidências de que provas geradas por IA e verificadas formalmente podem contribuir para a investigação matemática em aberto. Os resultados relatados abrangem questões selecionadas de Erdős e da OEIS, e o acompanhamento público por matemáticos ajudou a melhorar pelo menos uma das construções em destaque.
O ciclo de verificação é central, mas a precisão da formalização, a novidade e o âmbito de cada teorema continuam a exigir atenção. Uma prova verificada é um resultado de investigação concreto; é mais útil quando o seu enunciado, os seus pressupostos e as questões que permanecem em aberto são igualmente claros.
Comece com uma frase e tenha um site completo em minutos.
