חיפוש בחדשות

**LemmaBench הוא מדד חי שבודק מודלי שפה על מתמטיקה מחקרית עדכנית, ולא על אוסף שאלות ישן. לפי התקציר ב-arXiv, המודלים המובילים מגיעים כיום לדיוק של 10%-15% בלבד בהוכחת משפטים בניסיון ראשון.** עבור עסקים בישראל, זהו תמרור אזהרה חשוב: מודלי שפה מצוינים בניסוח, סיכום וסיווג, אך לא תמיד בהסקה אמינה בתהליכים מורכבים. לכן, כאשר מחברים AI ל-WhatsApp, ‏Zoho CRM או N8N, צריך לבנות בקרות, להגדיר אדם מאשר לכל פעולה רגישה, ולהתחיל בפיילוט מדוד. המסר המרכזי: לא לאמץ AI כ"קופסה שחורה", אלא כמרכיב בתוך תהליך מבוקר עם מדדי שגיאה ברורים.

**סוכן מינימלי להוכחת משפטים הוא גישת AI איטרטיבית שמעדיפה שיפור מדורג, חיפוש הקשר וניהול מידע על פני ניסיון יחיד.** לפי המאמר החדש ב-arXiv, הגישה הזו משיגה ביצועים תחרותיים מול מערכות מורכבות יותר, תוך יעילות טובה יותר בדגימות ובעלות. עבור עסקים בישראל, הלקח רחב יותר מהאקדמיה: במקרים רבים עדיף לבנות workflow פשוט עם N8N, Zoho CRM ו-WhatsApp Business API, מאשר מערכת עמוסת רכיבים שקשה למדוד ולתחזק. במיוחד במשרדי עורכי דין, ביטוח, נדל"ן ומרפאות, תהליך איטרטיבי מפחית טעויות, מקל על בקרה תחת חוק הגנת הפרטיות, ומאפשר פיילוטים בטווח של 1,500 עד 6,000 ₪ בחודש.

אימות תוכנה נתקל בבקבוק צוואר בהוכחת תנאי אימות קשים. NTP4VC – בנצ'מרק חדש מבוסס לינוקס – בודק LLMs ומצביע על פער גדול. קראו עכשיו על ההזדמנויות!

בעידן שבו שילוב של שפות ניתנות לאימות ומודלי שפה גדולים משנה את עולם המתמטיקה, תחום הפיזיקה הפורמלית מקבל דחיפה עם PhysProver. קראו על השיפורים המרשימים. קראו עכשיו!

הוכחת משפטים אוטומטית הופכת נגישה יותר עם 'גדלס פואטרי' – מערכת חדשה המשלבת מודלי שפה ב-Lean4 ופירוק רקורסיבי, עם 90% הצלחה ב-miniF2F. קראו על הגישה הפורצת דרך ועל הזמינות המיידית.