+− THE DAILY DIFFdev & AI news
SHIP IT

क्लाउडले ११ दिनमा फर्माटलाई प्रमाणित गर्यो। फैसला: SHIP IT।

क्लाउडले फर्माटको अन्तिम प्रमेयको १३ मिलियन लाइनको लीन प्रमाण लेख्न ११ दिन र लगभग ६ बिलियन टोकन खर्च गर्यो — पहिलो अन्तिम-देखि-अन्त कम्प्युटर-जाँच गरिएको — जबकि सन् २०२४ देखि यसलाई औपचारिककरण गर्दै आएका गणितज्ञले यसले गणितीय रूपमा "हामीलाई केही पनि बताउँदैन" भन्नुभयो र जे भए पनि उत्साहित हुनुहुन्छ।

Want to see our stories first on Google? Add us to your preferred sources — it helps us grow.

क्लाउडले फर्माटको अन्तिम प्रमेयको १३ मिलियन लाइनको लीन प्रमाण लेख्न ११ दिन र लगभग ६ बिलियन टोकन खर्च गर्यो — पहिलो अन्तिम-देखि-अन्त कम्प्युटर-जाँच गरिएको — जबकि सन् २०२४ देखि यसलाई औपचारिककरण गर्दै आएका गणितज्ञले यसले गणितीय रूपमा "हामीलाई केही पनि बताउँदैन" भन्नुभयो र जे भए पनि उत्साहित हुनुहुन्छ। सोही दिन: गो विश्व नम्बर १ शिन जिन-सियोले दुई ढुङ्गाको ह्यान्डिक्यापका साथ काटागोलाई २-१ ले हराए। फैसला: SHIP IT।

यो भिडियोले के समेट्छ

  • क्लाउडले लीन ४ मा फर्माटको अन्तिम प्रमेयलाई औपचारिक बनायो
  • क्रोमियम स्यान्डबक्स RCE (CVE-2026-85046), जंगलीमा शोषण गरिएको, $१,००० इनाम
  • शिन जिन-सियोले दुई ढुङ्गाको ह्यान्डिक्यापका साथ काटागोलाई हराए

प्रश्न र उत्तर

फर्माको अन्तिम प्रमेयलाई Lean मा औपचारिक रूप दिँदा क्लाउडले वास्तवमा के प्रमाणित गर्‍यो?

क्लाउडले फर्माको अन्तिम प्रमेयको कम्प्युटर-जाँच गरिएको Lean 4 प्रमाण लेख्यो, जुन पहिलो पूर्ण-अन्तको प्रमाण हो। एन्थ्रोपिकका एजेन्टहरूलाई ११ दिन र लगभग ६ अर्ब आउटपुट टोकन लाग्यो, जसले १३ मिलियन लाइन Lean र २९,५०० मध्यवर्ती प्रमेयहरू उत्पादन गर्‍यो। Lean ले प्रत्येक चरणलाई यान्त्रिक रूपमा जाँच गर्छ, र यदि प्रमाण Lean का तीन मानक स्वयंसिद्धहरूमा मात्र आधारित छैन भने निर्माण असफल हुन्छ।

www.anthropic.com · github.com

त्यो आकारको मेसिन-लिखित प्रमाण जाँच गर्न कति कम्प्युटिङ लाग्छ?

जाँच महँगो छ। सुरुदेखि नै बनाउन ९६ कोर र १५३ गिगाबाइट र्याममा साढे पाँच घण्टा लाग्यो। केभिन बजार्डले एन्थ्रोपिकले उनलाई दिएको ५००-गिगाबाइट मेसिनमा भण्डार कम्पाइल गरे र यसले जाँच गरेको पुष्टि गरे। प्रमेयका नामहरू मेसिन-उत्पन्न गरिएका छन्, त्यसैले भण्डारले आफूलाई पढ्नको सट्टा जाँच गर्न लेखिएको भनेर वर्णन गर्छ।

github.com · xenaproject.wordpress.com

के फर्माको अन्तिम प्रमेयको एआई-लिखित औपचारिक प्रमाणले गणितमा केही थप्छ?

केभिन बजार्ड, जसले २०२४ देखि मानव औपचारिक प्रयासको नेतृत्व गर्दै आएका छन्, उनले लेखे कि गणितीय रूपमा यो कामले हामीलाई अनिवार्य रूपमा केही बताउँदैन। उनी पहिले नै ९९.९ प्रतिशत निश्चित थिए कि प्रमेय सत्य थियो र प्रमाणले कुनै नयाँ गणित थप्दैन। उनी उत्साहित छन्, किनभने यसले अटोफर्मलाइजेशनले अहिले के गर्न सक्छ भनेर देखाउँछ। एन्थ्रोपिकको पोस्ट भन्छ कि Lean ले कुनै शङ्का बिना शुद्धता प्रदर्शन गर्छ।

xenaproject.wordpress.com · www.anthropic.com

के एक मानवले अझै पनि सबैभन्दा बलियो गो एआईलाई हराउन सक्छ?

हो, ह्यान्डीक्यापको साथ। गोमा विश्व नम्बर एक शिन जिन-सियोले सियोलमा दुई-पत्थरको ह्यान्डीक्यापको साथ सबैभन्दा बलियो खुला-स्रोत गो इन्जिन KataGo लाई दुई खेलमा एकले हराए। निर्णायक खेल २२१ चालमा ११.५ अंकको जित थियो। उनले भने कि उनले सुरुमा एआई चालहरू प्रतिलिपि गर्दा हारे र आफ्नै शैलीमा बोर्ड बनाएर जिते।

www.kedglobal.com · news.ycombinator.com

के विकासकर्ताहरू र गणितज्ञहरूले फर्माको क्लाउडको Lean प्रमाणलाई वास्तविक परिणामको रूपमा लिनुपर्छ?

The Daily Diff को फैसला SHIP IT थियो। Lean कर्नेलले प्रमाण स्वीकार गर्छ र केभिन बजार्डले यसले जाँच गरेको पुष्टि गरे। गणित उस्तै रह्यो, जबकि गणितज्ञहरूले प्रमाण जाँच गर्ने तरिका परिवर्तन भयो। बजार्डले नेतृत्व गरेको मानव प्रयास २०२४ मा सुरु भयो, र क्लाउडका एजेन्टहरूले एघार दिनमा समाप्त गरे।

www.anthropic.com · xenaproject.wordpress.com

अनुवादित ट्रान्सक्रिप्ट

मूल अंग्रेजी कथाबाट अनुवादित। उपलब्ध अडियो र क्याप्सनहरू YouTube द्वारा नियन्त्रित हुन्छन्।

0:00 फर्माटले भनेका थिए कि उनको अद्भुत प्रमाण मार्जिनमा मिल्दैन, र आज एन्थ्रोपिकले मार्जिन प्रकाशित गर्यो: तेह्र मिलियन लाइनको लीन, म्याथलिबको पाँच गुणा ठूलो, एक प्रमेय प्रमाणित गर्दै जुन हरेक गणितज्ञले पहिले नै विश्वास गरेका थिए। एन्थ्रोपिकले पोस्ट गर्दा तिब्लिसीमा दश देखि एघार बजेको थियो, त्यसैले स्वाभाविक रूपमा म जागा थिएँ। हिजो गुगलले क्रोम १५२ लाई बाह्र सुरक्षा सुधारका साथ पठायो, ती मध्ये एउटा V8 बग पहिले नै जंगलीमा शोषण गरिएको थियो, र रिपोर्टरलाई एक हजार डलर तिरियो, जुन हामी पछि पुग्ने सेडान भन्दा कम हो।

0:26 हिजो पनि, मुल्भाडले नोभेम्बर २ मा आफ्नो सार्वजनिक एन्क्रिप्टेड DNS बन्द गर्दैछ र त्यसको सट्टा क्वाड९ लाई भुक्तानी गर्दैछ भन्यो, र आज बिहान रस्ट रियाक्ट कम्पाइलर भाइटमा नेटिभ भयो, जबकि ह्याकर न्यूजले IBM बब, एक AI कोडिङ एजेन्ट पत्ता लगायो। त्यसपछि क्लाउडले फर्माटको अन्तिम प्रमेयलाई औपचारिक बनायो, र सोही अगाडिको पृष्ठमा एक कोरियाली ग्रान्डमास्टरले पृथ्वीको सबैभन्दा बलियो गो इन्जिनलाई हराए, त्यसैले आज मानवताले दुई मध्ये एक जित्यो। यस भिडियोमा: क्लाउडले वास्तवमा के प्रमाणित गर्यो, यसको लागत कति लाग्यो,

0:52 किन यसमा आफ्नो क्यारियर बिताएका गणितज्ञले यसले केहि परिवर्तन गर्दैन भन्नुहुन्छ र जे भए पनि उत्साहित हुनुहुन्छ, र कसरी एक मानवले गोमा मेसिनलाई हरायो। आज शुक्रबार, सेप्टेम्बर ४ तारिख हो, र यो The Daily Diff हो। फर्माटको अन्तिम प्रमेय: कुनै सकारात्मक पूर्णांक a, b, c n को कुनै पनि २ भन्दा माथिको मानको लागि a को घात n प्लस b को घात n बराबर c को घात n लाई सन्तुष्ट गर्दैन। फर्माटले यसलाई १६३७ तिर मार्जिनमा कोरेका थिए र आफ्नो काम नदेखाएर मरेका थिए, जसले उनलाई 'मेरो मेसिनमा काम गर्छ' भनेर टिकट बन्द गर्ने पहिलो विकासकर्ता बनायो। १९०८ को १,००,००० सुनका मार्कको पुरस्कारले यसको पहिलो वर्षमा ६२१ गलत

1:25 प्रमाणहरू आकर्षित गर्यो, र एन्ड्रयू विलेसले अन्ततः १९९५ मा यसलाई प्राप्त गरे, १२९ पृष्ठहरूमा जुन रेफरीहरूलाई प्रमाणित गर्न महिनौं लाग्यो। औपचारिककरणको अर्थ त्यो प्रमाणलाई पुन: लेख्नु हो ताकि लीन, एक प्रमाण सहायक, प्रत्येक चरणलाई यान्त्रिक रूपमा जाँच गर्न सकोस्, र इम्पीरियलका केभिन बजार्डले सन् २०२४ देखि ठीक त्यही गर्न मानव प्रयासको नेतृत्व गरेका छन्; खाका मात्र ८६ पृष्ठहरूमा फैलिएको छ। एन्थ्रोपिकका अनुसन्धानकर्ता तियानी पेङले दर्जनौं क्लाउड एजेन्टहरूलाई यसमा लगायो बरु, Prove2Me भनिने प्लेटफर्ममा जसले प्रमेय कथनहरूको DAG राख्छ ताकि एजेन्टहरूलाई अर्को के प्रमाणित गर्ने भनेर थाहा होस्, किनभने यो बिना पहिलो

2:00 समूहले कसले के प्रमाणित गर्दैछ भनेर ट्र्याक गुमायो, जुन तपाईको अर्केस्ट्रेशन लेयर मार्केटिङ बजेटको साथ रेगेक्स हुँदा हुन्छ। एघार दिन पछि रूट नोड PROVED: तेह्र मिलियन लाइनको लीन, २९,५०० मध्यवर्ती प्रमेयहरू, एउटा आन्तरिक मोडलबाट लगभग ६ बिलियन आउटपुट टोकनहरू जो क्लाउड फेबल ५.१ सँग तुलना गर्न सकिन्छ। प्रमाण ठ्याक्कै लीनका तीन मानक स्वयंसिद्धमा आधारित नभएसम्म निर्माण असफल हुन्छ: माफ गर्नुहोस्, कुनै नेटिभ निर्णय छैन, कुनै धोका छैन। यसलाई जाँच गर्नु पनि सस्तो छैन: एक

2:29 शून्यबाट निर्माणले ९६ कोर र १५३ गिगाबाइट र्याममा साढे पाँच घण्टा लाग्यो, र प्रमेयका नामहरू मेसिन-उत्पन्न छन्, त्यसैले भण्डारले आफूलाई पढ्नको सट्टा जाँच गर्नको लागि लेखिएको भनेर वर्णन गर्दछ, जसलाई मैले इन्टरप्राइज जाभा पनि वर्णन गर्दछु। अब विरोधाभास। एन्थ्रोपिकको पोस्ट भन्छ कि लीनले बिना कुनै शंका शुद्धता प्रदर्शन गर्दछ। केभिन बजार्ड, जसलाई यसमा हराइएको थियो, एन्थ्रोपिकले उनलाई दिएको ५००-गिगाबाइट मेसिनमा भण्डार संकलन गरे, यो जाँच गर्यो भनेर पुष्टि गरे, र त्यसपछि लेखे,

2:56 उद्धरण, गणितीय रूपमा यो कामले हामीलाई अनिवार्य रूपमा केहि बताउँदैन। उनी पहिले नै ९९.९ प्रतिशत निश्चित थिए कि प्रमेय सत्य थियो, र प्रमाणले कुनै नयाँ गणित थप्दैन; यसले के देखाउँछ त्यो हो कि स्वतः-औपचारिकीकरणले के गर्न सक्छ अहिले, र त्यो भागको बारेमा उनी साँच्चै उत्साहित छन्। उनलाई पाँच वर्षमा एक मिलियन पाउन्ड दिइएको थियो; एन्थ्रोपिकलाई एघार दिन लाग्यो, र एक टिप्पणीकर्ताको न्यापकिन गणितले ६ बिलियन आउटपुट टोकनलाई सूची मूल्यमा राख्छ। लगभग 300,000 डलर, त्यसैले मेसिन सस्तो थियो, मेसिनलाई तालिम दिएको बाहेक, जुन कसैले पनि गर्दैन।

3:24 उत्तम विवरण: वेल्समा एक संगीत महोत्सवमा हुँदा उनलाई इमेल आयो एउटा बार 4G सहित, एउटा नामबाट जुन उनले कहिल्यै सुनेका थिएनन्, त्यसैले उनले यसलाई रद्दी ठाने र एक हप्ता पछि पढे, जुन कुनै पनि विषय लाइनको लागि सही प्रतिक्रिया हो जसमा end-to-end formalization समावेश थियो। यसैबीच, मानिसहरूले एक पछि पारे। गोमा विश्व नम्बर एक, शिन जिन-सियोले काटागोलाई हराए, सबैभन्दा बलियो खुला स्रोत गो इन्जिन, सियोलमा दुई खेल एकमा, दुई-ढुङ्गाको ह्यान्डिक्यापका साथ, लगभग एक शीर्ष पेशेवर र एक नौसिखिया पेशेवर बीचको अन्तर जस्तै।

3:50 निर्णायक 221 चालहरूमा 11.5-अंकको जित थियो, मध्य-खेलबाट 99 प्रतिशत जित्ने सम्भावना कायम राख्दै, र उनले 250 मिलियन वन, लगभग 170,000 डलर, साथै एक जेनेसिस G90 घर लगे, त्यसैले एक अलौकिक AI लाई हराएकोमा गुगलको क्रोम स्यान्डबक्स एस्केपको लागि दिइने इनाम भन्दा 170 गुणा बढी इनाम थियो। उनको स्पष्टीकरण: सुरुमा उनले AI चालहरू नक्कल गरे र हारे; उनले आफ्नै शैलीमा बोर्ड बनाएर जिते, जुन AI बारे मैले यस वर्षभरि सुनेको सबैभन्दा उपयोगी सल्लाह हो, र यो एउटा बोर्ड खेलबाट आयो। diff मा दुई थप लाइनहरू।

4:22 oxc बाट Rust React कम्पाइलर अब एक flag पछाडि Vite मा native छ; एक 1,036-फाइलको कोडबेस 14.3 सेकेन्डबाट 0.81 सेकेन्डमा झर्यो कम्पाइल चरणमा, धेरैजसो Babel लाई package.json बाट हटाएर, जुन मेरो स्किनकेयर दिनचर्या पनि हो। र IBM ले Bob लन्च गर्यो, एक AI कोडिङ पार्टनर जसले तपाईंलाई Hi, भन्दै स्वागत गर्छ, I'm Bob, subagents सिर्जना गर्छ, mainframe कोडलाई आधुनिक बनाउँछ, र Bobalytics नामक एक एनालिटिक्स उत्पादन SHIP गर्छ, त्यसैले कतै एउटा बैंक धेरै उत्साहित छ र कसैले पनि लाइसेन्स पढेनन्।

4:51 त्यो एउटा शुक्रबारको लागि धेरै मार्जिन हो; यदि तपाईं मलाई यो भन्न सुनेर भन्दा पढ्न चाहनुहुन्छ भने, diff हरेक बिहान तपाईंको इनबक्समा आउँछ — daily diff dot dev मा निःशुल्क, लिङ्क तल छ। त्यसैले, आजको फैसला: SHIP IT। कर्नेलले 'हुन्छ' भन्छ, Buzzard ले 'हुन्छ' भन्छ, गणित परिवर्तन भएन, तर हामीले गणित जाँच गर्ने तरिका भर्खरै परिवर्तन भयो। त्यो आजको diff हो। म Axrisi बाट Niko हुँ।

5:09 जिम्मेवारीपूर्वक मर्ज गर्नुहोस्।

स्रोतहरू

  1. Anthropic — Formalizing Fermat's Last Theoremwww.anthropic.com
  2. The proof (Lean 4, Apache-2.0)github.com
  3. Kevin Buzzard — FLT: Anthropic has beaten me to itxenaproject.wordpress.com
  4. HN threadnews.ycombinator.com
  5. KED Global — Shin defeats KataGowww.kedglobal.com
  6. HNnews.ycombinator.com
  7. Chrome 152 release notes (CVE-2026-85046)chromereleases.googleblog.com
  8. NVDnvd.nist.gov
  9. Mullvad — shutting down public encrypted DNSmullvad.net
  10. Rust React Compiler native in Viteblog.master.dev
  11. IBM Bobbob.ibm.com

Niko from Axrisi

Nikoloz Turazashvili · Vexrail · Axrisi

LinkedIn · dev.to · GitHub · X · Substack

सम्बन्धित भिडियोहरू

daily · ne · २०२६ नोभेम्बर ६

क्लाउड कोडले प्रयोगकर्ताहरूको इमेल ठेगाना वेबसाइटहरूमा सम्पर्क ठेगानाको रूपमा पठायो

क्लाउड कोडले साइन-इन गरिएको खाताको इमेल ठेगाना मोडेलको सन्दर्भमा थप्यो, र एजेन्टले कहिलेकाहीं त्यस ठेगानालाई त्यस्ता साइटहरूका लागि लेखेको curl अनुरोधहरूको User-Agent हेडरमा राख्यो जसले स्क्रिप्टहरूला

5:08 ↗
daily · ne · २०२६ सेप्टेम्बर ३०

Claude को 'नर्फ' कसरी पत्ता लगाउने (वास्तविक डेटाका साथ)

मानिसहरू भन्छन् कि Claude प्रत्येक लन्चको केही हप्तापछि सुस्त हुन्छ। एक विकासकर्ताले Claude Opus 5.5 लाई लन्च हप्ताबाट 30-दिने घडीमा राखे, जसमा स्थिर प्रश्नहरू, पिन गरिएको Claude कोड र सार्वजनिक नियमह

5:07 ↗
daily · ne · २०२६ सेप्टेम्बर २४

मेटाका कर्मचारीहरूले मेटाका चश्मालाई घृणा गर्थे। मेटाले भिडियो डिलिट गर्यो।

मेटाको एम्स्टर्डम कार्यालय बाहिर मेटाका आफ्नै कर्मचारीहरूलाई मेटाको आफ्नै क्यामेरा चश्मा लगाएर फिल्मिङ गरेको आधा मिलियन मानिसले हेरे, र इन्स्टाग्रामले "धम्की र उत्पीडन" को लागि भिडियो हटायो — जुकरबर्ग

4:40 ↗
daily · ne · २०२६ सेप्टेम्बर २३

क्लाउड ओपस ५.५ ले मूल्य घटाएको छ। ओपनएआईले अझ गहिरो कटौती गरेको छ।

एन्थ्रोपिकले क्लाउड ओपस ५.५ जारी गर्‍यो: अधिकांश काममा फेबल-स्तरको प्रदर्शन, स्टिकर मूल्यमा पाँचौं छुट र क्यास गरिएका रिडहरूमा ६०% छुट। करिब नब्बे मिनेट पछि ओपनएआईले GPT-६ सोल र लुना जारी गर्‍यो जुन त

5:12 ↗