+− THE DAILY DIFFdev & AI news
SHIP IT

କ୍ଲାଉଡ୍ ୧୧ ଦିନରେ ଫର୍ମାଟ୍ ପ୍ରମାଣିତ କଲେ । ରାୟ: SHIP IT.

କ୍ଲାଉଡ୍ ୧୧ ଦିନ ଏବଂ ପ୍ରାୟ ୬ ବିଲିୟନ ଟୋକେନ ଖର୍ଚ୍ଚ କରି ଫର୍ମାଟଙ୍କ ଶେଷ ଉପପାଦ୍ୟର ୧୩-ମିଲିୟନ-ଲାଇନ୍ ଲିନ୍ ପ୍ରମାଣ ଲେଖିଲେ — ପ୍ରଥମ ସମ୍ପୂର୍ଣ୍ଣ କମ୍ପ୍ୟୁଟର-ଯାଞ୍ଚ ହୋଇଥିବା — ଯେତେବେଳେ ୨୦୨୪ ରୁ ଏହାକୁ ଔପଚାରିକ କରିଆସୁଥିବା ଗଣିତଜ୍ଞ କହିଛନ୍ତି ଯେ ଏହା ଗାଣିତିକ ଭାବରେ ଆମକୁ କିଛି କହୁ ନାହିଁ ଏବଂ ତଥାପି ଉତ୍ସାହିତ ଅଛନ୍ତି ।

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

କ୍ଲାଉଡ୍ ୧୧ ଦିନ ଏବଂ ପ୍ରାୟ ୬ ବିଲିୟନ ଟୋକେନ ଖର୍ଚ୍ଚ କରି ଫର୍ମାଟଙ୍କ ଶେଷ ଉପପାଦ୍ୟର ୧୩-ମିଲିୟନ-ଲାଇନ୍ ଲିନ୍ ପ୍ରମାଣ ଲେଖିଲେ — ପ୍ରଥମ ସମ୍ପୂର୍ଣ୍ଣ କମ୍ପ୍ୟୁଟର-ଯାଞ୍ଚ ହୋଇଥିବା — ଯେତେବେଳେ ୨୦୨୪ ରୁ ଏହାକୁ ଔପଚାରିକ କରିଆସୁଥିବା ଗଣିତଜ୍ଞ କହିଛନ୍ତି ଯେ ଏହା ଗାଣିତିକ ଭାବରେ ଆମକୁ କିଛି କହୁ ନାହିଁ ଏବଂ ତଥାପି ଉତ୍ସାହିତ ଅଛନ୍ତି । ସେହି ଦିନ: ବିଶ୍ୱର ୧ ନମ୍ବର ଶିନ୍ ଜିନ୍-ସିଓ ଦୁଇ-ପଥର ହ୍ୟାଣ୍ଡିକ୍ୟାପ୍ ସହିତ କାଟାଗୋକୁ ୨–୧ ରେ ହରାଇଲେ । ରାୟ: SHIP IT.

ଏହି ଭିଡିଓରେ କ'ଣ ଅଛି

  • Claude, Fermat's Last Theorem କୁ Lean 4 ରେ ଆନୁଷ୍ଠାନିକ କରେ ।
  • Chromium sandbox RCE (CVE-2026-85046), ବ୍ୟବହାର କରାଯାଇଛି, $1,000 ବାଉଣ୍ଟି ।
  • ଶିନ୍ ଜିନ୍-ସିଓ ଦୁଇ-ପଥର ହ୍ୟାଣ୍ଡିକ୍ୟାପ୍ ସହିତ କାଟାଗୋକୁ ହରାଇଲେ ।

ପ୍ରଶ୍ନ ଏବଂ ଉତ୍ତର

ଫର୍ମାଟଙ୍କ ଶେଷ ଉପପାଦ୍ୟକୁ Lean ରେ ଆନୁଷ୍ଠାନିକ କରିବାବେଳେ Claude ପ୍ରକୃତରେ କ’ଣ ପ୍ରମାଣ କଲା?

Claude ଫର୍ମାଟଙ୍କ ଶେଷ ଉପପାଦ୍ୟର ଏକ କମ୍ପ୍ୟୁଟର-ଯାଞ୍ଚ କରାଯାଇଥିବା Lean 4 ପ୍ରମାଣ ଲେଖିଥିଲେ, ଯାହାକି ପ୍ରଥମ ସମ୍ପୂର୍ଣ୍ଣ ପ୍ରମାଣ ଥିଲା। ଆନ୍ଥ୍ରୋପିକ୍‌ର ଏଜେଣ୍ଟମାନେ 11 ଦିନ ଏବଂ ପ୍ରାୟ 6 ବିଲିୟନ ଆଉଟପୁଟ ଟୋକେନ ନେଇଥିଲେ, 13 ନିୟୁତ ଧାଡିର Lean ଏବଂ 29,500 ମଧ୍ୟବର୍ତ୍ତୀ ଉପପାଦ୍ୟ ଉତ୍ପାଦନ କରିଥିଲେ। Lean ପ୍ରତ୍ୟେକ ପଦକ୍ଷେପକୁ ଯାନ୍ତ୍ରିକ ଭାବରେ ଯାଞ୍ଚ କରେ, ଏବଂ ପ୍ରମାଣ Lean ର ତିନୋଟି ମାନକ ଅକ୍ଷାଂଶ ଉପରେ ଆଧାରିତ ନହେଲେ ବିଲ୍ଡ ବିଫଳ ହୁଏ।

www.anthropic.com · github.com

ସେହି ଆକାରର ଏକ ଯନ୍ତ୍ର-ଲିଖିତ ପ୍ରମାଣ ଯାଞ୍ଚ କରିବାକୁ କେତେ କମ୍ପ୍ୟୁଟିଂ ଲାଗେ?

ଯାଞ୍ଚ କରିବା ମହଙ୍ଗା। ଏକ ଶୂନ୍ୟରୁ ଆରମ୍ଭ କରାଯାଇଥିବା ବିଲ୍ଡ 96 କୋର ଏବଂ 153 ଗିଗାବାଇଟ RAM ରେ ସାଢ଼େ ପାଞ୍ଚ ଘଣ୍ଟା ଲାଗିଥିଲା। କେଭିନ ବଜାର୍ଡ ଆନ୍ଥ୍ରୋପିକ୍ ତାଙ୍କୁ ଋଣ ଦେଇଥିବା ଏକ 500-ଗିଗାବାଇଟ ମେସିନରେ ରିପୋଜିଟୋରୀ ସଂକଳନ କରିଥିଲେ ଏବଂ ଏହା ଯାଞ୍ଚ ହୋଇଥିବା ନିଶ୍ଚିତ କରିଥିଲେ। ଉପପାଦ୍ୟର ନାମଗୁଡ଼ିକ ଯନ୍ତ୍ର-ଉତ୍ପାଦିତ, ତେଣୁ ରିପୋଜିଟୋରୀ ନିଜକୁ ପଢ଼ିବା ଅପେକ୍ଷା ଯାଞ୍ଚ କରିବା ପାଇଁ ଲେଖାଯାଇଛି ବୋଲି ବର୍ଣ୍ଣନା କରେ।

github.com · xenaproject.wordpress.com

ଫର୍ମାଟଙ୍କ ଶେଷ ଉପପାଦ୍ୟର ଏକ AI-ଲିଖିତ ଆନୁଷ୍ଠାନିକ ପ୍ରମାଣ ଗଣିତରେ କିଛି ଯୋଗ କରେ କି?

କେଭିନ ବଜାର୍ଡ, ଯିଏ 2024 ରୁ ଏକ ମାନବ ଆନୁଷ୍ଠାନିକ ପ୍ରୟାସର ନେତୃତ୍ୱ ନେଇଛନ୍ତି, ଲେଖିଥିଲେ ଯେ ଗାଣିତିକ ଭାବରେ ଏହି କାର୍ଯ୍ୟ ଆମକୁ ମୂଳତଃ କିଛି କୁହେ ନାହିଁ। ସେ ପୂର୍ବରୁ 99.9 ପ୍ରତିଶତ ନିଶ୍ଚିତ ଥିଲେ ଯେ ଉପପାଦ୍ୟଟି ସତ୍ୟ ଥିଲା ଏବଂ ପ୍ରମାଣ କୌଣସି ନୂତନ ଗଣିତ ଯୋଗ କରେ ନାହିଁ। ସେ ଯାହାହେଉ ଉତ୍ସାହିତ, କାରଣ ଏହା ଦର୍ଶାଏ ଯେ ସ୍ୱୟଂଚାଳିତ ଫର୍ମାଲାଇଜେସନ ବର୍ତ୍ତମାନ କ’ଣ କରିପାରିବ। ଆନ୍ଥ୍ରୋପିକ୍‌ର ପୋଷ୍ଟ କୁହେ ଯେ Lean ନିଃସନ୍ଦେହରେ ସଠିକତା ପ୍ରଦର୍ଶନ କରେ।

xenaproject.wordpress.com · www.anthropic.com

ମାନବ ଏପର୍ଯ୍ୟନ୍ତ ସବୁଠାରୁ ଶକ୍ତିଶାଳୀ Go AI କୁ ପରାସ୍ତ କରିପାରିବ କି?

ହଁ, ଏକ ହ୍ୟାଣ୍ଡିକ୍ୟାପ୍ ସହିତ। Go ରେ ବିଶ୍ୱର ଏକ ନମ୍ବର ଶିନ ଜିନ-ସିଓ, ସିଓଲରେ ଏକ ଦୁଇ-ପଥର ହ୍ୟାଣ୍ଡିକ୍ୟାପ୍ ସହିତ ସବୁଠାରୁ ଶକ୍ତିଶାଳୀ ଓପନ-ସୋର୍ସ Go ଇଞ୍ଜିନ KataGo କୁ ଦୁଇରୁ ଗୋଟିଏ ଗେମରେ ପରାସ୍ତ କରିଥିଲେ। ନିର୍ଣ୍ଣାୟକ 221 ଚାଲରେ 11.5-ପଏଣ୍ଟ ବିଜୟ ଥିଲା। ସେ କହିଥିଲେ ଯେ ସେ ପ୍ରାରମ୍ଭରେ AI ଚାଲକୁ ନକଲ କରିବାବେଳେ ହାରିଯାଇଥିଲେ ଏବଂ ନିଜ ଶୈଳୀରେ ବୋର୍ଡ ନିର୍ମାଣ କରି ଜିତିଥିଲେ।

www.kedglobal.com · news.ycombinator.com

ଡେଭଲପର ଏବଂ ଗଣିତଜ୍ଞମାନେ Claude ର ଫର୍ମାଟଙ୍କ Lean ପ୍ରମାଣକୁ ଏକ ବାସ୍ତବ ଫଳାଫଳ ଭାବରେ ବିଚାର କରିବା ଉଚିତ କି?

The Daily Diff ର ରାୟ ଥିଲା SHIP IT। Lean କର୍ଣ୍ଣେଲ ପ୍ରମାଣକୁ ଗ୍ରହଣ କରେ ଏବଂ କେଭିନ ବଜାର୍ଡ ଏହା ଯାଞ୍ଚ ହୋଇଥିବା ନିଶ୍ଚିତ କରିଛନ୍ତି। ଗଣିତ ସମାନ ରହିଲା, ଯେତେବେଳେ ଗଣିତଜ୍ଞମାନେ ପ୍ରମାଣ ଯାଞ୍ଚ କରିବାର ଉପାୟ ବଦଳିଗଲା। ବଜାର୍ଡଙ୍କ ନେତୃତ୍ୱରେ ମାନବ ପ୍ରୟାସ 2024 ରେ ଆରମ୍ଭ ହୋଇଥିଲା, ଏବଂ Claude ର ଏଜେଣ୍ଟମାନେ ଏଗାର ଦିନରେ ଶେଷ କରିଥିଲେ।

www.anthropic.com · xenaproject.wordpress.com

ଅନୁବାଦିତ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ

ମୂଳ ଇଂରାଜୀ ବର୍ଣ୍ଣନାରୁ ଅନୁବାଦିତ। ଉପଲବ୍ଧ ଅଡିଓ ଏବଂ କ୍ୟାପ୍ସନ୍ଗୁଡ଼ିକ YouTube ଦ୍ୱାରା ନିୟନ୍ତ୍ରିତ।

0:00 ଫର୍ମାଟ୍ କହିଥିଲେ ଯେ ତାଙ୍କର ଚମତ୍କାର ପ୍ରମାଣ ମାର୍ଜିନରେ ଫିଟ୍ ହେବ ନାହିଁ, ଏବଂ ଆଜି ଆନ୍ଥ୍ରୋପିକ୍ ମାର୍ଜିନ୍ ପ୍ରକାଶ କରିଛି: ତେର ମିଲିୟନ ଲାଇନ୍ ଲିନ୍, Mathlib ର ପାଞ୍ଚ ଗୁଣ ଆକାରର, ଏକ ଉପପାଦ୍ୟ ପ୍ରମାଣ କରିଛି ଯାହା ପ୍ରତ୍ୟେକ ଗଣିତଜ୍ଞ ପୂର୍ବରୁ ବିଶ୍ୱାସ କରୁଥିଲେ । ଆନ୍ଥ୍ରୋପିକ୍ ପୋଷ୍ଟ କରିବା ବେଳକୁ ତିବିଲିସିରେ ଦଶରୁ ଏଗାରଟା ବାଜିଥିଲା, ତେଣୁ ସ୍ୱାଭାବିକ ଭାବରେ ମୁଁ ଜାଗ୍ରତ ଥିଲି । ଗତକାଲି ଗୁଗୁଲ୍ ବାରଟି ସୁରକ୍ଷା ଫିକ୍ସ ସହିତ କ୍ରୋମ୍ ୧୫୨ ପଠାଇଲା, ସେଥିମଧ୍ୟରୁ ଗୋଟିଏ V8 ବଗ୍ ପୂର୍ବରୁ ବ୍ୟବହାର କରାଯାଇଥିଲା, ଏବଂ ରିପୋର୍ଟରଙ୍କୁ ହଜାରେ ଡଲାର୍ ଦେଇଥିଲେ, ଯାହା ଆମେ ପରେ ଦେଖିବା ସେଡାନ୍ ଠାରୁ କମ୍ ।

0:26 ଗତକାଲି ମଧ୍ୟ, ମଲଭାଡ୍ କହିଲା ଯେ ଏହା ନଭେମ୍ବର ୨ ରେ ଏହାର ସର୍ବସାଧାରଣ ଏନକ୍ରିପ୍ଟଡ୍ DNS ବନ୍ଦ କରିବ ଏବଂ ଏହା ବଦଳରେ Quad9 କୁ ଦେୟ ଦେବ, ଏବଂ ଆଜି ସକାଳେ Rust React Compiler Vite ରେ ନେଟିଭ୍ ହୋଇଗଲା, ଯେତେବେଳେ Hacker News IBM Bob ଆବିଷ୍କାର କଲା, ଏକ AI କୋଡିଂ ଏଜେଣ୍ଟ । ତା’ପରେ Claude ଫର୍ମାଟଙ୍କ ଶେଷ ଉପପାଦ୍ୟକୁ ଆନୁଷ୍ଠାନିକ କଲା, ଏବଂ ସେହି ସମାନ ପ୍ରଥମ ପୃଷ୍ଠାରେ ଏକ କୋରିଆନ୍ ଗ୍ରାଣ୍ଡମାଷ୍ଟର ପୃଥିବୀର ସବୁଠାରୁ ଶକ୍ତିଶାଳୀ Go ଇଞ୍ଜିନ୍ କୁ ହରାଇଲେ, ତେଣୁ ଆଜି ମାନବତା ଦୁଇରୁ ଗୋଟିଏ ଗଲା । ଏହି ଭିଡିଓରେ: Claude ପ୍ରକୃତରେ କ’ଣ ପ୍ରମାଣ କରିଛି, ଏହାର ମୂଲ୍ୟ କ’ଣ,

0:52 କାହିଁକି ଏହି କାର୍ଯ୍ୟରେ ନିଜ କ୍ୟାରିଅର୍ ବିତାଇଥିବା ଗଣିତଜ୍ଞ କହୁଛନ୍ତି ଯେ ଏହା କିଛି ପରିବର୍ତ୍ତନ କରେ ନାହିଁ ଏବଂ ତଥାପି ଉତ୍ସାହିତ ଅଛନ୍ତି, ଏବଂ କିପରି ଜଣେ ମଣିଷ Go ରେ ମେସିନକୁ ହରାଇଲା । ଆଜି ଶୁକ୍ରବାର, ସେପ୍ଟେମ୍ବର ୪, ଏବଂ ଏହା ହେଉଛି The Daily Diff. ଫର୍ମାଟଙ୍କ ଶେଷ ଉପପାଦ୍ୟ: କୌଣସି ଧନାତ୍ମକ ପୂର୍ଣ୍ଣସଂଖ୍ୟା a, b, c ଯେକୌଣସି n ୨ ରୁ ଅଧିକ ପାଇଁ a ର n ଯୁକ୍ତ b ର n ସମାନ c ର n କୁ ସନ୍ତୁଷ୍ଟ କରନ୍ତି ନାହିଁ । ଫର୍ମାଟ୍ ପ୍ରାୟ ୧୬୩୭ ମସିହାରେ ଏକ ମାର୍ଜିନରେ ଏହାକୁ ଲେଖିଥିଲେ ଏବଂ ତାଙ୍କ କାର୍ଯ୍ୟ ନଦେଖାଇ ମୃତ୍ୟୁ ବରଣ କରିଥିଲେ, ତାଙ୍କୁ ପ୍ରଥମ ଡେଭଲପର କରିଥିଲେ ଯିଏ 'works on my machine' ସହିତ ଏକ ଟିକେଟ୍ ବନ୍ଦ କରିଥିଲେ । ୧୯୦୮ ମସିହାର ୧୦୦,୦୦୦ ସୁନା ମାର୍କର ପୁରସ୍କାର ଏହାର ପ୍ରଥମ ବର୍ଷରେ ୬୨୧ ଟି ଭୁଲ ପ୍ରମାଣ

1:25 ଆକର୍ଷିତ କରିଥିଲା, ଏବଂ ଆଣ୍ଡ୍ରିୟୁ ୱାଇଲ୍ସ ଶେଷରେ ୧୯୯୫ ରେ ଏହାକୁ ପାଇଲେ, ୧୨୯ ପୃଷ୍ଠାରେ ଯାହା ଯାଞ୍ଚ କରିବା ପାଇଁ ରେଫରୀମାନଙ୍କୁ ମାସ ମାସ ଲାଗିଥିଲା । ଆନୁଷ୍ଠାନିକ କରିବା ଅର୍ଥ ହେଉଛି ସେହି ପ୍ରମାଣକୁ ପୁନଃ ଲେଖିବା ଯାହାଦ୍ୱାରା Lean, ଏକ ପ୍ରମାଣ ସହାୟକ, ପ୍ରତ୍ୟେକ ପଦକ୍ଷେପକୁ ଯାନ୍ତ୍ରିକ ଭାବରେ ଯାଞ୍ଚ କରିପାରିବ, ଏବଂ ଇମ୍ପେରିଆଲ୍ ର କେଭିନ୍ ବଜାର୍ଡ ୨୦୨୪ ରୁ ଠିକ୍ ସେହି କାର୍ଯ୍ୟ କରିବା ପାଇଁ ଏକ ମାନବ ପ୍ରୟାସର ନେତୃତ୍ୱ ନେଇଛନ୍ତି; କେବଳ ବ୍ଲୁପ୍ରିଣ୍ଟ ୮୬ ପୃଷ୍ଠା ରହିଛି । Anthropic ର ଗବେଷକ ତିଆନି ପେଙ୍ଗ ଏହା ଉପରେ ଦର୍ଜନ ଦର୍ଜନ Claude ଏଜେଣ୍ଟଙ୍କୁ ନିୟୋଜିତ କରିଥିଲେ, Prove2Me ନାମକ ଏକ ପ୍ଲାଟଫର୍ମରେ ଯାହା ଉପପାଦ୍ୟ ଷ୍ଟେଟମେଣ୍ଟଗୁଡିକର ଏକ DAG ରଖେ ଯାହାଦ୍ୱାରା ଏଜେଣ୍ଟମାନେ ପରବର୍ତ୍ତୀ ସମୟରେ କ’ଣ ପ୍ରମାଣ କରିବେ ଜାଣିପାରନ୍ତି, କାରଣ ଏହା ବିନା ପ୍ରଥମ

2:00 ପଲ୍ଲିଗୁଡ଼ିକ କିଏ କ’ଣ ପ୍ରମାଣ କରୁଥିଲା ତାହା ଭୁଲିଯାଇଥିଲେ, ଯାହାକି ଆପଣଙ୍କ ଅର୍କେଷ୍ଟ୍ରେସନ୍ ସ୍ତର ଏକ ମାର୍କେଟିଂ ବଜେଟ୍ ସହିତ ରେଗେକ୍ସ ହେଲେ ଘଟେ । ଏଗାର ଦିନ ପରେ ରୁଟ୍ ନୋଡ୍ ରେ PROVED ଲେଖାଥିଲା: ତେର ମିଲିୟନ ଲାଇନ୍ ଲିନ୍, ୨୯,୫୦୦ ମଧ୍ୟବର୍ତ୍ତୀ ଉପପାଦ୍ୟ, ଏକ ଆଭ୍ୟନ୍ତରୀଣ ମଡେଲରୁ ପ୍ରାୟ ଛଅ ବିଲିୟନ ଆଉଟପୁଟ୍ ଟୋକେନ, ଯାହାକି Claude Fable 5.1 ସହିତ ପ୍ରାୟ ସମାନ । ଯଦି ପ୍ରମାଣ କେବଳ Lean ର ତିନୋଟି ମାନକ ଅକ୍ଷାଂଶ ଉପରେ ଆଧାରିତ ନୁହେଁ ତେବେ ବିଲ୍ଡ ବିଫଳ ହୁଏ: ନା ଦୁଃଖିତ, ନା ନେଟିଭ୍ ନିଷ୍ପତ୍ତି, ନା ଠକାମି । ଏହାକୁ ଯାଞ୍ଚ କରିବା ମଧ୍ୟ ଶସ୍ତା ନୁହେଁ: ଏକ

2:29 ଶୂନରୁ ବିଲ୍ଡ କରିବାକୁ ପାଞ୍ଚ ଏବଂ ଅଧ ଘଣ୍ଟା ଲାଗିଥିଲା ୯୬ କୋର୍ ଏବଂ ୧୫୩ ଗିଗାବାଇଟ୍ RAM ରେ, ଏବଂ ଉପପାଦ୍ୟର ନାମଗୁଡିକ ମେସିନ୍-ଜେନେରେଟେଡ୍, ତେଣୁ ରିପୋ ଅନ୍ୟ ଉପାୟରେ ନ ପଢ଼ି ଯାଞ୍ଚ କରିବା ପାଇଁ ଲେଖାଯାଇଛି ବୋଲି ବର୍ଣ୍ଣନା କରେ, ଯାହାକୁ ମୁଁ ଏଣ୍ଟରପ୍ରାଇଜ୍ ଜାଭା ମଧ୍ୟ ବର୍ଣ୍ଣନା କରିବି । ବର୍ତ୍ତମାନ ବିରୋଧାଭାସ । Anthropic ର ପୋଷ୍ଟ କହୁଛି ଯେ Lean ସନ୍ଦେହରୁ ଉର୍ଦ୍ଧ୍ୱରେ ସଠିକତା ପ୍ରଦର୍ଶନ କରେ । କେଭିନ୍ ବଜାର୍ଡ, ଯିଏ ଏହାଠାରୁ ପରାସ୍ତ ହୋଇଥିଲେ, Anthropic ତାଙ୍କୁ ଦେଇଥିବା ୫୦୦-ଗିଗାବାଇଟ୍ ମେସିନରେ ରିପୋ ସଂକଳନ କରିଥିଲେ, ଏହା ଯାଞ୍ଚ କରେ ବୋଲି ନିଶ୍ଚିତ କରିଥିଲେ, ଏବଂ ତା’ପରେ ଲେଖିଥିଲେ,

2:56 ଉଦ୍ଧୃତ, ଗାଣିତିକ ଭାବରେ ଏହି କାର୍ଯ୍ୟ ଆମକୁ ପ୍ରକୃତରେ କିଛି କହୁ ନାହିଁ । ସେ ପୂର୍ବରୁ ୯୯.୯ ପ୍ରତିଶତ ନିଶ୍ଚିତ ଥିଲେ ଯେ ଉପପାଦ୍ୟଟି ସତ୍ୟ ଥିଲା, ଏବଂ ପ୍ରମାଣ କୌଣସି ନୂତନ ଗଣିତ ଯୋଗ କରେ ନାହିଁ; ଏହା ଯାହା ଦେଖାଏ ତାହା ହେଉଛି autoformalization ବର୍ତ୍ତମାନ କ’ଣ କରିପାରିବ, ଏବଂ ସେହି ଅଂଶ ପାଇଁ ସେ ପ୍ରକୃତରେ ଉତ୍ସାହିତ ଅଛନ୍ତି । ତାଙ୍କୁ ପାଞ୍ଚ ବର୍ଷ ମଧ୍ୟରେ ଏକ ମିଲିୟନ ପାଉଣ୍ଡ ଦିଆଯାଇଥିଲା; Anthropic କୁ ଏଗାର ଦିନ ଲାଗିଥିଲା, ଏବଂ ଜଣେ ଟିପ୍ପଣୀକାରୀଙ୍କ ହିସାବ ଅନୁଯାୟୀ ଛଅ ବିଲିୟନ ଆଉଟପୁଟ୍ ଟୋକେନ ତାଲିକା ମୂଲ୍ୟରେ ପଡେ । ପ୍ରାୟ 300,000 ଡଲାର, ତେଣୁ ମେସିନ୍ ଶସ୍ତା ଥିଲା, ଯେପର୍ଯ୍ୟନ୍ତ ଆପଣ ମେସିନ୍ ଟ୍ରେନିଂକୁ ଗଣନା କରନ୍ତି ନାହିଁ, ଯାହା କେହି କରନ୍ତି ନାହିଁ।

3:24 ସର୍ବୋତ୍ତମ ବିବରଣୀ: ୱେଲ୍ସରେ ଏକ ସଙ୍ଗୀତ ମହୋତ୍ସବରେ ଥିବାବେଳେ ତାଙ୍କ ପାଖରେ ଇମେଲ୍ ପହଞ୍ଚିଥିଲା। ତାଙ୍କ ପାଖରେ 4Gର ଗୋଟିଏ ବାର୍ ଥିଲା, ଯାହା ଏପରି ଏକ ନାମରୁ ଆସିଥିଲା ଯାହା ବିଷୟରେ ସେ କେବେ ଶୁଣି ନଥିଲେ, ତେଣୁ ସେ ଏହାକୁ ଏକ କ୍ରାଙ୍କ୍ ଭାବରେ ଲେଖିଦେଲେ। ଏବଂ ଏକ ସପ୍ତାହ ପରେ ଏହାକୁ ପଢ଼ିଲେ, ଯାହାକି ଯେକୌଣସି ବିଷୟ ଧାଡ଼ି ପାଇଁ ସଠିକ୍ ପ୍ରତିକ୍ରିୟା। end-to-end formalization ଧାରଣ କରିଛି। ଏହି ସମୟରେ, ମଣିଷ ଗୋଟିଏ ଫେରାଇ ଆଣିଲେ। ସିଓଲରେ Goର ବିଶ୍ୱର ଏକ ନମ୍ବର ଖେଳାଳୀ ଶିନ୍ ଜିନ୍-ସିଓ, KataGoକୁ ହରାଇଲେ। ସବୁଠାରୁ ଶକ୍ତିଶାଳୀ ଓପନ୍-ସୋର୍ସ Go ଇଞ୍ଜିନ୍, ଦୁଇଟି ଖେଳରେ ଗୋଟିଏ, ଦୁଇ-ଷ୍ଟୋନ୍ ହାଣ୍ଡିକ୍ୟାପ୍ ସହିତ, ପ୍ରାୟ ଜଣେ ଶୀର୍ଷ ବୃତ୍ତିଗତ ଏବଂ ଜଣେ ନବାଗତ ବୃତ୍ତିଗତ ମଧ୍ୟରେ ଥିବା ବ୍ୟବଧାନ।

3:50 ନିର୍ଣ୍ଣାୟକ ମ୍ୟାଚ୍ 221 ଚାଲରେ 11.5 ପଏଣ୍ଟ ବିଜୟ ଥିଲା, ଯାହା ମଧ୍ୟଭାଗରୁ ଧରିଥିଲା। 99 ପ୍ରତିଶତ ବିଜୟ ସମ୍ଭାବନା ଥିଲା, ଏବଂ ସେ 250 ନିୟୁତ ୱନ୍ ଘରକୁ ନେଇଥିଲେ, ପ୍ରାୟ 170,000 ଡଲାର, ଏବଂ ଏକ ଜେନେସିସ୍ G90, ତେଣୁ ଜଣେ ମାନବାତୀତ AIକୁ ହରାଇବା ପାଇଁ ପୁରସ୍କାର। Chrome ସାଣ୍ଡବକ୍ସ ଏସ୍କେପ୍ ପାଇଁ ଗୁଗୁଲ୍ ର ପୁରସ୍କାରର 170 ଗୁଣ ଅଧିକ। ତାଙ୍କର ବ୍ୟାଖ୍ୟା: ଆରମ୍ଭରୁ ସେ AI ଚାଲ୍ ନକଲ କରି ହାରିଥିଲେ; ସେ ଜିତିଲେ। ବୋର୍ଡକୁ ନିଜ ଶୈଳୀରେ ତିଆରି କରି, ଯାହା AI ବିଷୟରେ ମୁଁ ଶୁଣିଥିବା ସବୁଠାରୁ ଉପଯୋଗୀ ପରାମର୍ଶ। ମୁଁ ସାରା ବର୍ଷ ଶୁଣିଛି, ଏବଂ ଏହା ଏକ ବୋର୍ଡ ଖେଳରୁ ଆସିଥିଲା। ମୁଁ ସାରା ବର୍ଷ ଶୁଣିଛି, ଏବଂ ଏହା ଏକ ବୋର୍ଡ ଖେଳରୁ ଆସିଥିଲା। ଡିଫରେ ଆଉ ଦୁଇଟି ଧାଡ଼ି।

4:22 oxc ରୁ Rust React Compiler ବର୍ତ୍ତମାନ Vite ରେ ଗୋଟିଏ ଫ୍ଲାଗ୍ ପଛରେ ମୂଳତଃ ଅଛି; ଏକ। 1,036 ଫାଇଲ୍ କୋଡବେସ୍ 14.3 ସେକେଣ୍ଡରୁ 0.81କୁ ଚାଲିଗଲା। କମ୍ପାଇଲ୍ ପଦକ୍ଷେପରେ, ମୁଖ୍ୟତଃ Babelକୁ ଡିଲିଟ୍ କରିବା ଦ୍ୱାରା। package.json, ଯାହା ମୋର ସ୍କିନ୍‌କେୟାର ରୁଟିନ୍ ମଧ୍ୟ। ଏବଂ IBM Bob ନାମକ ଏକ AI କୋଡିଂ ପାର୍ଟନର ଲଞ୍ଚ୍ କଲା ଯାହା ଆପଣଙ୍କୁ 'Hi' ସହିତ ଅଭିବାଦନ କରେ। ମୁଁ Bob, ସବଏଜେଣ୍ଟ୍ ତିଆରି କରେ, ମେନଫ୍ରେମ୍ କୋଡ୍ ଆଧୁନିକୀକରଣ କରେ। ଏବଂ Bobalytics ନାମକ ଏକ ଆନାଲିଟିକ୍ସ ଉତ୍ପାଦ ପଠାଏ, ତେଣୁ କୌଣସି ଏକ ସ୍ଥାନରେ ଏକ ବ୍ୟାଙ୍କ ବହୁତ। ଉତ୍ସାହିତ ଏବଂ କେହି ଲାଇସେନ୍ସ ପଢ଼ିଲେ ନାହିଁ।

4:51 ଏହା ଏକ ଶୁକ୍ରବାର ପାଇଁ ଅନେକ ମାର୍ଜିନ୍; ଯଦି ଆପଣ ମୋତେ ଏହା କହିବା ଶୁଣିବା ଅପେକ୍ଷା ଏହାକୁ ପଢ଼ିବାକୁ ପସନ୍ଦ କରନ୍ତି। ପ୍ରତି ସକାଳେ ଡିଫ୍ ଆପଣଙ୍କ ଇନବକ୍ସରେ ପଡ଼େ — daily diff dot ରେ ମାଗଣା। dev, ଲିଙ୍କ୍ ତଳେ। ତେଣୁ, ଆଜିର ରାୟ: SHIP IT। କର୍ଣ୍ଣେଲ୍ ହଁ କହୁଛି, Buzzard ହଁ କହୁଛି, ଗଣିତ ପରିବର୍ତ୍ତନ ହୋଇନାହିଁ। କିନ୍ତୁ ଆମେ ଗଣିତ ଯାଞ୍ଚ କରିବାର ଉପାୟ ବର୍ତ୍ତମାନ ପରିବର୍ତ୍ତନ ହୋଇଛି। ତାହା ଆଜିର ଡିଫ୍। ମୁଁ Axrisi ରୁ Niko।

5:09 ଦାୟିତ୍ୱର ସହିତ ମିଶାନ୍ତୁ।

ଉତ୍ସଗୁଡ଼ିକ

  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

ସମ୍ବନ୍ଧିତ ଭିଡିଓଗୁଡ଼ିକ

daily · or · ନଭେମ୍ବର 6, 2026

କ୍ଲାଉଡ୍ କୋଡ୍ ଉପଭୋକ୍ତାମାନଙ୍କ ଇମେଲକୁ ୱେବସାଇଟ୍‌ଗୁଡ଼ିକୁ ସମ୍ପର୍କ ଠିକଣା ଭାବରେ ପଠାଇଲା

କ୍ଲାଉଡ୍ କୋଡ୍ ସାଇନ୍ ଇନ୍ ହୋଇଥିବା ଆକାଉଣ୍ଟର ଇମେଲ୍ ଠିକଣାକୁ ମଡେଲର ପ୍ରସଙ୍ଗରେ ଯୋଡିଥିଲା, ଏବଂ ଏଜେଣ୍ଟ ବେଳେବେଳେ ସେହି ଠିକଣାକୁ କର୍ଲ ଅନୁରୋଧର ୟୁଜର୍-ଏଜେଣ୍ଟ୍ ହେଡର୍‌ରେ ରଖିଥିଲା, ଯାହା ସ୍କ୍ରିପ୍ଟଗୁଡ଼ିକୁ ସମ୍ପର୍କ ପାଇଁ ଅନୁରୋଧ

5:08 ↗
daily · or · ସେପ୍ଟେମ୍ବର 30, 2026

କ୍ଲୋଡ୍ ନର୍ଫ୍ କିପରି ଚିହ୍ନଟ କରିବେ (ବାସ୍ତବ ଡାଟା ସହିତ)

ଲୋକମାନେ କୁହନ୍ତି ପ୍ରତ୍ୟେକ ଲଞ୍ଚ୍ ପରେ କିଛି ସପ୍ତାହ ମଧ୍ୟରେ କ୍ଲୋଡ୍ ଅଧିକ ନିର୍ବୋଧ ହୋଇଯାଏ। ଜଣେ ଡେଭଲପର୍ ଲଞ୍ଚ୍ ସପ୍ତାହରୁ ୩୦ ଦିନ ପାଇଁ କ୍ଲୋଡ୍ ଓପସ୍ ୫.୫ କୁ ଏକ ଘଡ଼ିରେ ରଖିଥିଲେ, ଫ୍ରିଜ୍ ହୋଇଥିବା ପ୍ରଶ୍ନ, ଏକ ପିନ୍ ହୋଇଥିବା କ୍

5:07 ↗
daily · or · ସେପ୍ଟେମ୍ବର 24, 2026

ମେଟା କର୍ମଚାରୀମାନେ ମେଟାର ଚଷମାକୁ ଘୃଣା କରୁଥିଲେ। ମେଟା ଭିଡିଓ ଡିଲିଟ୍ କରିଦେଲା।

ମେଟାର ନିଜ କ୍ୟାମେରା ଚଷମା ସହିତ ମେଟାର ଆମଷ୍ଟରଡାମ ଅଫିସ ବାହାରେ ମେଟାର ନିଜ କର୍ମଚାରୀମାନଙ୍କୁ ଫିଲ୍ମିଂ କରୁଥିବା ଅଧ ମିଲିୟନ ଲୋକ ଦେଖିଲେ, ଏବଂ ଇନଷ୍ଟାଗ୍ରାମ "ଧମକ ଏବଂ ହଇରାଣ" ପାଇଁ ଭିଡିଓ ହଟାଇଦେଲା — ଜୁକରବର୍ଗ $1,299 VR ଚଷମା ଏ

4:40 ↗
daily · or · ସେପ୍ଟେମ୍ବର 23, 2026

କ୍ଲାଉଡ୍ ଓପସ୍ 5.5 ଦର କମାଇଲା । OpenAI ଆହୁରି ଗଭୀରରେ କମାଇଲା ।

ଆନ୍ଥ୍ରୋପିକ୍ କ୍ଲାଉଡ୍ ଓପସ୍ 5.5 ଜାହାଜରେ ପଠାଇଲା: ଅଧିକାଂଶ କାର୍ଯ୍ୟରେ କାଳ୍ପନିକ-ସ୍ତର, ଷ୍ଟିକର୍ ମୂଲ୍ୟର ଏକ ପଞ୍ଚମାଂଶ ଏବଂ କ୍ୟାସେଡ୍ ରିଡ୍ ଉପରେ 60% ରିହାତି । ପ୍ରାୟ ନବେ ମିନିଟ୍ ପରେ OpenAI GPT-6 ସୋଲ୍ ଏବଂ ଲୁନାକୁ ସେମାନେ ବଦ

5:12 ↗