Eine nützliche Meldung über KI-Mathematik muss das Ergebnis nachvollziehbar machen: Welche Aufgaben wurden versucht, was wurde bewiesen und wer prüfte die Übereinstimmung der formalen Aussage mit der ursprünglichen Frage? AlphaProof Nexus liefert dafür konkrete Materialien. Zugleich zeigt die Arbeit, weshalb eine Beweiszahl Kontext braucht.
Der Quellenbericht beschreibt eine am 8. Oktober 2026 in Science veröffentlichte Studie nach einem Vorabdruck im Mai. Das Papier berichtet neun gelöste Aufgaben aus 353 ausgewählten Erdős-Problemen; zwei waren 56 Jahre offen. Hinzu kommen 44 Beweise aus 492 OEIS-Vermutungen. Das sind Ergebnisse für vorbereitete Sammlungen, keine Erfolgsquote für beliebige mathematische Fragen.
Mit der gesamten Aufgabenmenge beginnen
Neun von 353 entsprechen ungefähr 2,5 Prozent. Auch die übrigen 344 Versuche gehören zur Bewertung, denn sie zeigen die aktuelle Grenze der Methode. Zudem mussten sich die Aufgaben in Lean ausdrücken und mit verfügbaren formalen Bibliotheken bearbeiten lassen. Auswahl, Bibliotheksabdeckung und Rechenaufwand beeinflussen das Ergebnis ebenso wie die Modellfähigkeit.
Die Belege umfassen den Science-Artikel, den Vorabdruck und das öffentliche Beweisarchiv. Erfolgreiche Dateien erlauben logische Prüfungen; erfolglose Formalisierungen machen den Umfang der Bewertung sichtbar.
Drei Arten von Richtigkeit trennen
Lean prüft, ob ein Beweis aus den codierten Definitionen und Annahmen folgt. Ob diese Definitionen die beabsichtigte Frage korrekt wiedergeben, bleibt eine eigene Aufgabe. Ein veränderter Quantor, eine fehlende Randbedingung oder eine stärkere Annahme können einen gültigen Beweis zur Antwort auf eine schwächere Frage machen.
Wissenschaftliche Neuheit verlangt eine weitere Prüfung. Ein älterer Satz könnte ein unabhängig gefundenes Ergebnis bereits implizieren. Die Berichterstattung nennt eine Prüfung, die die Neuheit eines gemeldeten Falls anzweifelt. Dadurch wird die formale Herleitung nicht ungültig; verändert wird der Anspruch auf einen neuen Forschungsbeitrag. Die Expertenreaktionen erläutern diesen Unterschied.
Den Beitrag des Agenten prüfen
Der grundlegende Ablauf erzeugt Lean-Code, prüft ihn und verbessert fehlgeschlagene Ansätze anhand der Compiler-Rückmeldungen. Umfangreichere Konfigurationen ergänzen koordinierte Suche und den spezialisierten AlphaProof-Beweiser. Bemerkenswert ist, dass die einfachste berichtete Konfiguration dieselben neun Erdős-Probleme ohne dieses Spezialwerkzeug löste.
Bevor man den Erfolg einer komplexen Architektur zuschreibt, sollte man deshalb Ablationsversuche ansehen. Eine direkte Schleife aus Modell und Prüfer könnte einen großen Teil des Ergebnisses erklären. Zusätzliche Komponenten können anderswo helfen, sollten ihren Wert aber durch weitere Erfolge, niedrigere Gesamtkosten oder bessere Forschungsunterstützung zeigen.
Den gesamten Forschungsprozess kalkulieren
Ein erfolgreicher Inferenzlauf ist nur ein Kostenposten. Fehlversuche, Formalisierung, Bibliothekspflege, Fachprüfung und verständliche Erklärungen der formalen Beweise gehören ebenfalls dazu. Ein Erfolgspreis ohne diese Beiträge belegt keine vollständigen Entdeckungskosten.
Ein Forschungsteam sollte im Pilotversuch Problemformulierungen, Suchstrategien, maschinenprüfbare Artefakte, Rechenkosten und menschliche Eingriffe gemeinsam aufbewahren. Zunächst wird die treue Formalisierung geprüft, dann der Beweis verifiziert und schließlich Neuheit und Erklärungswert bewertet. Erst danach lässt sich von einer neuen Lösung sprechen.
Die allgemeinere Lehre ist ein Agentenmuster: probabilistische Erzeugung mit einem strengen Prüfer verbinden, nützliche Zwischenschritte erhalten und Fachleute dort einsetzen, wo automatische Prüfungen enden. Die ursprüngliche Meldung stützt diese begrenzte, praktische Aussage. Unabhängige Prüfungen und Fortschritte bei bislang erfolglosen Aufgaben gehören neben der Beweiszahl zur Erfolgsmessung.