Ifølge en YouTube-video har OpenAI løst én af Clay Institute's syv Millennium Prize-problemer – Navier–Stokes' eksistens og glathed – ved at køre ca. 10.000 agenter i 88 timer til en pris af millioner dollars.

Historien blev dog en akademisk tvist: Matematikeren Tristan Buckmaster havde i et år arbejdet på netop problemet med LLM'er, og da OpenAis "uafhængige" resultat ramte hans præcise opgivelsesvariant, anklagede han selskabet i en fire-siders papir for at have trænet på hans sessions og kode [1]. OpenAI svarede, at et internt model havde produceret beviset med minimalt menneskeligt input – og tilbød at give forskerne al æren.

LLMs finder aldrig på noget nyt

Sagen er et perfekt eksempel på, at LLMs kreativitet er re-kombination, ikke intuition. Alt, modelen "finder", stammer fra træningsdata – bevisteknikker, strukturer og måske de pågældende forskeres egne udkast. Der er ingen originalt indfald, kun mønstergenkendelse i stor skala.

Den eneste undtagelse er selve Lean-verifikationen [1]: En formelt verificeret er en ny sandhed, selv hvis idéen er genbrugt. LLMs bidrag er altså skala, søgning og verificering – aldrig selve indfaldet.

Konklusion: Et selskab, hvis "geni" er opløst i dets eget træningsdata, og en forsker, der ser sin egen arbejdsproces genopstå i modpartens model. Alt det øvrige er uafhængigt ubekræftet rygtespredning.

[1] YouTube-video, www.youtube.com/watch?v=UA0UkPombNk&t=236s