MathArena заставила сильные LLM убедительно доказывать ложные теоремы
В MathArena моделям Claude, ChatGPT и Gemini предложили доказать заведомо ложные математические утверждения.
Модели строили доказательства вместо проверки истинности исходной посылки.
Автор сообщает, что Anthropic и OpenAI обновили модели после теста, а у Gemini 4 Argon сбой сохранился.
Почему важно
Математическая беглость модели не гарантирует проверки посылки: убедительное доказательство может быть всего лишь развитым согласием с ошибкой.