A equipe do Google DeepMind introduziu Aletheia, um agente de IA especializado projetado para preencher a lacuna entre a matemática de nível de competição e a pesquisa profissional. Embora os modelos tenham alcançado padrões de medalha de ouro na Olimpíada Internacional de Matemática (IMO) de 2025, a pesquisa requer navegar por vasta literatura e construir provas de longo prazo. Aletheia resolve isso gerando, verificando e revisando iterativamente soluções em linguagem natural. https://github.com/google-deepmind/superhuman/blob/main/aletheia/Aletheia.pdf A Arquitetura: Loop Agêncico Aletheia é impulsionada por uma versão avançada do Gemini Deep Think. Ele utiliza um 'harness agêncico' de três partes para melhorar a confiabilidade: Gerador: Propõe uma solução candidata para um problema de pesquisa. Verificador: Um mecanismo informal de linguagem natural que verifica falhas ou alucinações. Revisor: Corrige erros identificados pelo Verificador até que uma saída final seja aprovada. Essa separação de funções é crítica; os pesquisadores observaram que separar explicitamente a verificação ajuda o modelo a reconhecer falhas que ele inicialmente ignorava durante a geração. Principais Descobertas Técnicas O desenvolvimento de Aletheia revelou vários insights sobre como a IA lida com o raciocínio complexo: Escalonamento em Tempo de Inferência: Permitir que o modelo tenha mais capacidade computacional no momento de uma consulta – 'pensar por mais tempo' – aumenta significativamente a precisão. A versão de janeiro de 2026 do Deep Think reduziu a computação necessária para problemas de nível IMO em 100x em comparação com a versão de 2025. Desempenho: Aletheia alcançou uma precisão de 95,1% no IMO-Proof Bench Advanced, um grande salto em relação ao recorde anterior de 65,7%. Também demonstrou desempenho de última geração no FutureMath Basic, um benchmark interno de exercícios de nível de PhD. Uso de Ferramentas: Para evitar alucinações de citações, Aletheia usa Google Search e navegação na web. Isso o ajuda a sintetizar literatura matemática do mundo real. Marcos de Pesquisa Aletheia já contribuiu para vários marcos revisados por pares: Totalmente Autônomo (Feng26): Aletheia gerou um artigo de pesquisa calculando constantes de estrutura chamadas 'eigenweights' sem qualquer intervenção humana. Colaborativo (LeeSeo26): O agente forneceu um roteiro de alto nível e uma estratégia de 'grande imagem' para provar limites em conjuntos independentes, que os autores humanos transformaram em uma prova rigorosa. As Conjecturas de Erdős: Aplicado a 700 problemas abertos, Aletheia encontrou 63 soluções tecnicamente corretas e resolveu 4 questões abertas autonomamente. Uma Taxonomia para IA
Fonte: MarkTechPost
Publicado em 2026-03-13