בעולם שבו AI כובש את עולם המתמטיקה, סוכן הלמידת מכונה InternGeometry מציג פריצת דרך חדשה בגיאומטריה. המודל, המבוסס על InternThinker-32B, מצליח לפתור 44 מתוך 50 בעיות גיאומטריה מאולימפיאדת המתמטיקה הבינלאומית (IMO) משנים 2000-2024 – תוצאה המעלימה את ציון הזהב הממוצע של מדליסטים (40.9). הדבר מרשים במיוחד לאור כך שהוא השתמש רק ב-13 אלף דוגמאות אימון, שהן 0.004% בלבד מנתוני האימון העצומים של AlphaGeometry 2. InternGeometry מדגים כיצד סוכני LLM יכולים להתמודד עם משימות מומחים ללא סינתזה נרחבת של נתונים.
InternGeometry מתגבר על מגבלות ההיוריסטיקות החלשות בגיאומטריה באמצעות תהליך איטרטיבי: הוא מציע הצעות לטענות ועזרים גיאומטריים, מאמת אותן במנוע סמלי, ומשקף את המשוב כדי לכוון הצעות הבאות. מנגנון זיכרון דינמי מאפשר למעלה מ-200 אינטראקציות עם המנוע לכל בעיה. כך, הסוכן מצליח להציע אפילו עזרים חדשים שלא מופיעים בפתרונות אנושיים. הגישה הזו הופכת את פתרון הגיאומטריה לנגיש יותר לסוכני LLM, בניגוד למודלים מומחים שתלויים בחיפוש ובנתונים סינתטיים רבים.
כדי להאיץ את הלמידה, החוקרים הציגו את שיטת הלמידה המחוזקת עם הגברת מורכבות (CBRL), שמגבירה בהדרגה את רמת המורכבות של בעיות סינתטיות בשלבים השונים של האימון. InternGeometry עולה על מודלים קודמים כמו AlphaGeometry 2, שדורשים נתונים עצומים לייצור ולבחינה. התוצאות מראות פוטנציאל עצום לסוכני LLM במשימות גיאומטריה ברמת אולימפיאדה, עם יעילות גבוהה בהרבה.
ההישג של InternGeometry משנה את הנוף של AI במתמטיקה, במיוחד בגיאומטריה – תחום ששלטו בו עד כה מודלים מומחים כבדים. לעומת זאת, InternGeometry מוכיח שמודלי שפה גדולים יכולים להגיע לרמה זו עם נתונים מינימליים ומנגנון חשיבה איטרטיבי. בישראל, שבה חברות טק משקיעות רבות ב-AI מתמטי, זה פותח אפשרויות חדשות לפיתוח כלים אוטומטיים לפתרון בעיות הנדסיות ומחקריות.
עבור מנהלי עסקים ומפתחי AI, InternGeometry מדגיש את החשיבות של למידה מחוזקת מתקדמת ושילוב מנועים סמליים. החוקרים מתכננים לשחרר את המודל, הנתונים והמנוע הסמלי, מה שיאפשר קידום מחקר עתידי. האם סוכני LLM יחליפו מתמטיקאים אנושיים בגיאומטריה מורכבת? קראו את המאמר המלא כדי להבין את ההשלכות.