Dit artikel biedt een strikt methodologisch kader voor het behalen van een reproduceerbare verbetering van de conditionele integer-multiplicatie exponentbesparing ($\kappa$). Het proces bestaat uit vijf cruciale stappen:
- Vaststellen van de grens: Analyse van huidige records en openstaande Pull Requests via GitHub.
- Reproductie: Het valideren van de bestaande baseline in een geïsoleerde omgeving.
- Evidence-based onderzoek: Het formuleren en testen van hypothesen over optimalisaties, zoals circuitontwerp en resource-hergebruik.
- Certificering: Onafhankelijke verificatie van nieuwe kandidaten met exacte rationale rekenkunde.
- Verpakking: Het aanleveren van een gefocuste branch met bewijsvoering en documentatie.
Het document benadrukt dat resultaten AI-ondersteunde concepten zijn en maakt een essentieel onderscheid tussen theoretische asymptotische winst en feitelijke runtime-versnelling.
Auto Research: Verbetering van Integer-multiplicatiegrenzen
Doel: Produceer een echte, reproduceerbare verbetering van de huidige best vergelijkbare conditionele integer-multiplicatie exponentbesparing kappa in $T(n) = O(n (\log n)^{1-\kappa})$. Een grotere kappa is beter. Voer het onderzoek en de implementatie uit, niet slechts een voorstel of literatuuroverzicht. Ga er niet vanuit dat er een verbetering bestaat of verzin er een.
Onderzoeksstappen
1. Stel de actuele grens vast
Lees de huidige README, CONTRIBUTING.md, eventuele toepasbare AGENTS.md, certificates/selected-result.json, docs/research/contribution-review.md en de bewijs-/auditbestanden waarnaar zij verwijzen. Lees alle in deze workspace verstrekte onderzoeksoverdrachten, inclusief mislukte experimenten.
Haal huidige openstaande en onlangs samengevoegde Pull Requests (PR's) op, inclusief hun beschrijvingen, reviews, checks en exacte head-commits. Gebruik GitHub direct (via gh of de API) met paginering; een dashboard of zoekresultaat kan verouderd zijn. Maak onderscheid tussen het beoordeelde record in de main-branch en sterkere openstaande voorstellen, en maak onderscheid tussen daadwerkelijke conditionele constructies en niet-gebouwde numerieke doelen. Identificeer het sterkste vergelijkbare bewijsstuk en leg de commit SHA en afhankelijkheden vast. Baseer uw aannames niet op een vaste recordwaarde of PR-nummer.
2. Reproduceer voordat u verbetert
Gebruik een aparte branch of een geïsoleerde checkout in de geconfigureerde ontwikkelomgeving. Respecteer lokale opslag- en resource-policies; behoud bestaand werk, lopende experimenten en upstream/. Installeer afhankelijkheden in een geïsoleerde omgeving.
Reproduceer de gedocumenteerde verificatie en de exacte kappa-berekening van de gekozen baseline, en controleer source-hashes en manifesten. Lees de constructie en elke overgenomen bewijsverplichting. Houd de integer-multiplicatie kappa gescheiden van Fourier-besparingen, lokale tensor-besparingen en runtime-benchmarks. Als de reproductie mislukt, diagnoseer en leg de fout dan vast voordat u op dat bewijsstuk vertrouwt.
3. Voer een op bewijs gebaseerd onderzoek uit
Identificeer de dominante kosten en de werkelijke vrijheidsgraden in de huidige constructie. Formuleer verschillende concrete hypothesen, rangschik deze op basis van plausibele winst en verificatiekosten, en implementeer en test vervolgens de meest veelbelovende.
Mogelijke richtingen zijn onder meer:
- Compatibele gate/frame-hertoewijzing;
- Gekoppelde retiming;
- Hergebruik van bronnen;
- Basisuitwisseling;
- Circuitontwerp;
- Bredere wijzigingen in de constructie.
Kies op basis van het huidige bewijs. Raadpleeg de overdracht en de PR-geschiedenis om te voorkomen dat u uitgeputte zoektochten herhaalt of een andere bijdrage dupliceert. Het onderzoek kan gebruikmaken van heuristiek, optimalisatie of numerieke screening, maar elke geclaimde verbetering moet exact gecertificeerd worden. Voeg geen winsten uit verschillende PR's samen zonder hun compatibiliteit te bewijzen. Houd een compact experimenteel logboek bij met hypothesen, commando's, seeds, resultaten en redenen voor afwijzing. Leer van fouten en ga door met het volgende gerechtvaardigde experiment.
4. Certificeer een kandidaat onafhankelijk
Bevries de kandidaat en voer de verificatie opnieuw uit vanaf schone inputs. Gebruik exacte rationale rekenkunde of gecertificeerde grenzen voor de definitieve vergelijking. Controleer de getroffen wiskundige identiteiten, operatietellingen, frame/rank-beperkingen, afhankelijkheden, recurrentie-beprijzing en alle behouden interfaces die vereist zijn door de gekozen constructie.
Voer de momenteel gedocumenteerde vereiste controles van de repository uit, inclusief make verify en het geselecteerde incrementele doel waar van toepassing; voer daarnaast de volledige verifieerder van de kandidaat en betekenisvolle negatieve controles uit. Verzwak nooit de controles of wijzig de verwachte resultaten enkel om een 'pass' te verkrijgen. Leg exacte commando's, exit-codes, logs, hashes, de rationale kappa, een precisie-decimaal en de verbetering ten opzichte van de vastgestelde baseline vast. Controleer de actuele grens opnieuw voordat u een nieuw record claimt; houd nuttig onafhankelijk werk duidelijk gelabeld als het is ingehaald.
5. Verpak en ga verantwoord verder
Bereid voor een geverifieerde verbetering een gefocuste branch voor met het bewijdsargument, generatoren, een reproduceerbaar certificaat, de verifieerder, afhankelijkheidsmanifesten en een beknopte uitleg van de situatie voor en na de wijziging. Vermeld elke hergebruikte constructie en contributeur, behoud licenties en vermeld het gebruik van AI-ondersteuning. Geef alle resterende conditionele aannames aan.
Let op: succes met een eindig certificaat is geen formeel bewijs van de volledige asymptotische multiplicatietheorema, en een exponentwinst is geen gemeten runtime-versnelling. Indien toegang tot GitHub-publicatie is geconfigureerd, dien dan een review-klare PR in via een eigen fork; anders laat u een schone patch en PR-beschrijving achter met exacte stappen voor indiening. Voeg uw eigen resultaat niet samen of claim geen acceptatie door de maintainer.
Werk iteratief binnen de geconfigureerde reken- en uitgavebeperkingen, met beknopte voortgangsupdates bij belangrijke mijlpalen. Sla voor het beëindigen van elke sessie een overdracht op met vastgelegde bronnen, de best geverifieerde kandidaat, mislukte benaderingen, commando's, artefacten en volgende experimenten. Als er geen strikte verbetering overblijft, rapporteer dit dan eerlijk en bewaar de reproduceerbare negatieve resultaten. Begin nu met het vaststellen en reproduceren van het huidige sterkste vergelijkbare bewijsstuk.
***
Bronnen en opmerkingen
De preprints van OpenAI zijn vastgepind op commit fd4aeeb van openai/math, die 749 preprint-mappen bevat. De community-repositories erkennen hen voor elke constructie waarop zij voortbouwen.
Lees dit voordat u citeert: Dit zijn AI-ondersteunde onderzoeksconcepten. De meeste verfijningen zijn conditioneel aan lemma's uit de originele preprints. De checkpoints voor integer-multiplicatie zijn beoordeeld door de maintainer van de repository; dit vestigt echter geen volledig onvoorwaardelijk theorema. Het werk aan matrix-multiplicatie is een limiet op één bewijsmethode, niet een sneller algoritme. De Sidorenko-constante is van toepassing op één telstap. De Fourier-besparing is gecontroleerd door de kernel van Lean; de overige resultaten zijn gecontroleerd met exacte rationale rekenkunde en symbolische tests.
Auto Research: Verbetering van Integer-multiplicatiegrenzen
Doel: Produceer een echte, reproduceerbare verbetering van de huidige best vergelijkbare conditionele integer-multiplicatie exponentbesparing kappa in $T(n) = O(n (\log n)^{1-\kappa})$. Een grotere kappa is beter. Voer het onderzoek en de implementatie uit, niet slechts een voorstel of literatuuroverzicht. Ga er niet vanuit dat er een verbetering bestaat of verzin er een.
Onderzoeksstappen
1. Stel de actuele grens vast
Lees de huidige README, CONTRIBUTING.md, eventuele toepasbare AGENTS.md, certificates/selected-result.json, docs/research/contribution-review.md en de bewijs-/auditbestanden waarnaar zij verwijzen. Lees alle in deze workspace verstrekte onderzoeksoverdrachten, inclusief mislukte experimenten.
Haal huidige openstaande en onlangs samengevoegde Pull Requests (PR's) op, inclusief hun beschrijvingen, reviews, checks en exacte head-commits. Gebruik GitHub direct (via gh of de API) met paginering; een dashboard of zoekresultaat kan verouderd zijn. Maak onderscheid tussen het beoordeelde record in de main-branch en sterkere openstaande voorstellen, en maak onderscheid tussen daadwerkelijke conditionele constructies en niet-gebouwde numerieke doelen. Identificeer het sterkste vergelijkbare bewijsstuk en leg de commit SHA en afhankelijkheden vast. Baseer uw aannames niet op een vaste recordwaarde of PR-nummer.
2. Reproduceer voordat u verbetert
Gebruik een aparte branch of een geïsoleerde checkout in de geconfigureerde ontwikkelomgeving. Respecteer lokale opslag- en resource-policies; behoud bestaand werk, lopende experimenten en upstream/. Installeer afhankelijkheden in een geïsoleerde omgeving.
Reproduceer de gedocumenteerde verificatie en de exacte kappa-berekening van de gekozen baseline, en controleer source-hashes en manifesten. Lees de constructie en elke overgenomen bewijsverplichting. Houd de integer-multiplicatie kappa gescheiden van Fourier-besparingen, lokale tensor-besparingen en runtime-benchmarks. Als de reproductie mislukt, diagnoseer en leg de fout dan vast voordat u op dat bewijsstuk vertrouwt.
3. Voer een op bewijs gebaseerd onderzoek uit
Identificeer de dominante kosten en de werkelijke vrijheidsgraden in de huidige constructie. Formuleer verschillende concrete hypothesen, rangschik deze op basis van plausibele winst en verificatiekosten, en implementeer en test vervolgens de meest veelbelovende.
Mogelijke richtingen zijn onder meer:
- Compatibele gate/frame-hertoewijzing;
- Gekoppelde retiming;
- Hergebruik van bronnen;
- Basisuitwisseling;
- Circuitontwerp;
- Bredere wijzigingen in de constructie.
Kies op basis van het huidige bewijs. Raadpleeg de overdracht en de PR-geschiedenis om te voorkomen dat u uitgeputte zoektochten herhaalt of een andere bijdrage dupliceert. Het onderzoek kan gebruikmaken van heuristiek, optimalisatie of numerieke screening, maar elke geclaimde verbetering moet exact gecertificeerd worden. Voeg geen winsten uit verschillende PR's samen zonder hun compatibiliteit te bewijzen. Houd een compact experimenteel logboek bij met hypothesen, commando's, seeds, resultaten en redenen voor afwijzing. Leer van fouten en ga door met het volgende gerechtvaardigde experiment.
4. Certificeer een kandidaat onafhankelijk
Bevries de kandidaat en voer de verificatie opnieuw uit vanaf schone inputs. Gebruik exacte rationale rekenkunde of gecertificeerde grenzen voor de definitieve vergelijking. Controleer de getroffen wiskundige identiteiten, operatietellingen, frame/rank-beperkingen, afhankelijkheden, recurrentie-beprijzing en alle behouden interfaces die vereist zijn door de gekozen constructie.
Voer de momenteel gedocumenteerde vereiste controles van de repository uit, inclusief make verify en het geselecteerde incrementele doel waar van toepassing; voer daarnaast de volledige verifieerder van de kandidaat en betekenisvolle negatieve controles uit. Verzwak nooit de controles of wijzig de verwachte resultaten enkel om een 'pass' te verkrijgen. Leg exacte commando's, exit-codes, logs, hashes, de rationale kappa, een precisie-decimaal en de verbetering ten opzichte van de vastgestelde baseline vast. Controleer de actuele grens opnieuw voordat u een nieuw record claimt; houd nuttig onafhankelijk werk duidelijk gelabeld als het is ingehaald.
5. Verpak en ga verantwoord verder
Bereid voor een geverifieerde verbetering een gefocuste branch voor met het bewijdsargument, generatoren, een reproduceerbaar certificaat, de verifieerder, afhankelijkheidsmanifesten en een beknopte uitleg van de situatie voor en na de wijziging. Vermeld elke hergebruikte constructie en contributeur, behoud licenties en vermeld het gebruik van AI-ondersteuning. Geef alle resterende conditionele aannames aan.
Let op: succes met een eindig certificaat is geen formeel bewijs van de volledige asymptotische multiplicatietheorema, en een exponentwinst is geen gemeten runtime-versnelling. Indien toegang tot GitHub-publicatie is geconfigureerd, dien dan een review-klare PR in via een eigen fork; anders laat u een schone patch en PR-beschrijving achter met exacte stappen voor indiening. Voeg uw eigen resultaat niet samen of claim geen acceptatie door de maintainer.
Werk iteratief binnen de geconfigureerde reken- en uitgavebeperkingen, met beknopte voortgangsupdates bij belangrijke mijlpalen. Sla voor het beëindigen van elke sessie een overdracht op met vastgelegde bronnen, de best geverifieerde kandidaat, mislukte benaderingen, commando's, artefacten en volgende experimenten. Als er geen strikte verbetering overblijft, rapporteer dit dan eerlijk en bewaar de reproduceerbare negatieve resultaten. Begin nu met het vaststellen en reproduceren van het huidige sterkste vergelijkbare bewijsstuk.
***
Bronnen en opmerkingen
De preprints van OpenAI zijn vastgepind op commit fd4aeeb van openai/math, die 749 preprint-mappen bevat. De community-repositories erkennen hen voor elke constructie waarop zij voortbouwen.
Lees dit voordat u citeert: Dit zijn AI-ondersteunde onderzoeksconcepten. De meeste verfijningen zijn conditioneel aan lemma's uit de originele preprints. De checkpoints voor integer-multiplicatie zijn beoordeeld door de maintainer van de repository; dit vestigt echter geen volledig onvoorwaardelijk theorema. Het werk aan matrix-multiplicatie is een limiet op één bewijsmethode, niet een sneller algoritme. De Sidorenko-constante is van toepassing op één telstap. De Fourier-besparing is gecontroleerd door de kernel van Lean; de overige resultaten zijn gecontroleerd met exacte rationale rekenkunde en symbolische tests.
Groetjes,