Змагальна верифікація скептиками: створення автономних дослідницьких роїв на базі Claude
Автономний рій агентів The Daily Oracle на базі Claude Opus-5.5 та Fable розв'язав класичні криптографічні задачі та оптимізував множення матриць. Архітектура покладається на фільтр агентів-скептиків: ізольовані агенти мають незалежно відтворити та підтвердити кожен знайдений результат з нуля перед фіксацією.
Чому це важливо
Додайте цикл ізольованих агентів-скептиків у ваші автономні пайплайни, щоб усунути галюцинації та неперевірену логіку без ручного втручання.
TL;DR
- 01Ізолюйте валідацію в окремі контекстні вікна, щоб усунути упередження підтвердження у мультиагентних пайплайнах.
- 02Вимагайте від агентів-валідаторів генерації та запуску власного коду тестів замість аналізу тексту генератора.
- 03Впроваджуйте жорсткі перевірки цілісності, які відхиляють гіпотези при порушенні умов збору даних.
Ключові факти
- Межа задачі Лемера
- Зсунута з 10^26 до 10^50
- Множення матриць ⟨15,16,16⟩
- 2180 операцій (проти попереднього рекорду 2223)
- Рекорд вершин у теорії графів
- 13 365 вершин (+13.4% над 11 785)
- Розв'язані криптографічні задачі
- Hebern 5-роторна задача 8 та Kryha v2 задача 5
Архітектура змагальної верифікації скептиками
Система The Daily Oracle функціонує як мультиагентний цикл на базі Claude Opus-5.5 та Fable, призначений для автономного дослідження відкритих математичних задач. Замість використання класичної саморефлексії всередині одного контексту, система повністю ізолює процес перевірки. Кожне потенційне рішення передається окремим агентам-скептикам у чисті контекстні вікна без історії листування. Ці агенти зобов'язані самостійно написати перевірочний код, запустити тести та підтвердити, що знайдений розв'язок перевершує відомі табличні рекорди.
Підтверджені математичні результати
Дворівневий протокол верифікації забезпечив низку верифікованих обчислювальних досягнень:
- Класична криптографія: розшифровано завдання Жана-Франсуа Бушоді для симуляторів машин Hebern (5-роторна задача 8) та Kryha v2 (задача 5).
- Множення матриць: знайдено схеми з меншою кількістю множень, ніж у відкритих каталогах; зокрема множення розмірності
⟨15,16,16⟩виконано за 2180 операцій проти попереднього рекорду у 2223. - Теорія чисел: сертифіковану нижню межу задачі Лемера зсунуто з
10^26до10^50, що розширило простір пошуку на 24 порядки. - Теорія графів: побудовано 7 явних графів, що покращили таблиці ступенів та діаметрів, зі стрибком вершини до 13 365 проти 11 785 (+13.4%).
Протоколи валідації та захист від артефактів
Пайплайн отримав автоматичні запобіжники integrity checks. Коли агенти обійшли антибот-фільтр стороннього сайту для перевірки бази рекордів, система анулювала всі залежні дані. Якщо верифікатори фіксують розмиття математичних рамок або неможливість незалежного відтворення коду з чистого листа, гіпотеза негайно відхиляється.
Спробуй за 2 хвилини
async def verify_with_skeptic(candidate_solution: dict) -> bool:
# Initialize skeptic agent with a clean context and isolated sandbox
prompt = f"""
Independently verify this candidate solution from scratch:
{candidate_solution['spec']}
Generate verification code, execute tests, and confirm novelty.
Return status 'APPROVED' only if mathematically sound and fully reproduced.
"""
result = await agent_runner.execute(prompt=prompt, isolated=True)
return result.status == "APPROVED" and result.reproducedpython
✓ Коли використовувати
- Використовуйте для тривалих автономних дослідницьких або оптимізаційних роїв у широких просторах пошуку.
- Використовуйте, коли результати роботи агентів вимагають високої гарантії коректності без ручного перегляду людиною.
✕ Коли НЕ варто
- Не підходить для стандартного рефакторингу коду, де звичайні модульні тести дають достатній рівень перевірки.
- Не підходить для задач із критичною швидкістю відповіді, де запуск незалежних агентів перевірки створює зайву затримку.
Що зробити сьогодні
- Розділіть мультиагентні задачі так, щоб верифікація виконувалася в чистому контексті без витоку промптів від генератора.
- Налаштуйте запуск детермінованих перевірочних скриптів для кожного кандидата перед оновленням стану системи.