Axiom Math erreicht 99% auf Verina-Benchmark – mit formalem Lean-Beweis-Ansatz
Axiom Math, ein 2025 gegründetes Startup unter CEO Carina Hong, hat sich auf formale mathematische Verifikation mit der Beweissprache Lean spezialisiert. Im Jahr 2025 löste das System alle 12 Probleme des Putnam-Examens (Score 12/12) und übertraf damit sowohl Top-Studierende (110/120) als auch DeepSeek (103/120). Auf dem Verina-Codegen-Benchmark, der Code-Generierung inklusive Korrektheitsbeweis prüft, erreichte Axiom 187 von 189 Aufgaben (99%) – gegenüber 4,9% von OpenAI o3. Der Kern der Axiom-Philosophie: Formal verifizierte Lean-Beweise liefern ein weit stärkeres RL-Reward-Signal als statistische Methoden wie GRPO oder RLHF, weil die Korrektheit maschinell geprüft werden kann, analog zum Kompilieren und Testen von Code. CEO Hong vergleicht den Ansatz mit dem Mathematiker Ramanujan: Formale Beweise zwingen zur Präzision, ermöglichen Dritten den Aufbau auf gesicherten Grundlagen und erzeugen so einen komponierbaren Wissenskorpus. Axiom hat mit AXLE ein Open-Source-Toolkit für interaktive Lean-Anwendungen veröffentlicht. Hong sieht Coding-Fähigkeit als notwendige, aber nicht hinreichende Bedingung für AGI – mathematische formale Verifikation sei der entscheidende nächste Engpass.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
Axiom Math erreicht 99% auf Verina-Benchmark – mit formalem Lean-Beweis-Ansatz
Axiom Math, ein 2025 gegründetes Startup unter CEO Carina Hong, hat sich auf formale mathematische Verifikation mit der Beweissprache Lean spezialisiert. Im Jahr 2025 löste das System alle 12 Probleme des Putnam-Examens (Score 12/12) und übertraf damit sowohl Top-Studierende (110/120) als auch DeepSeek (103/120). Auf dem Verina-Codegen-Benchmark, der Code-Generierung inklusive Korrektheitsbeweis prüft, erreichte Axiom 187 von 189 Aufgaben (99%) – gegenüber 4,9% von OpenAI o3. Der Kern der Axiom-Philosophie: Formal verifizierte Lean-Beweise liefern ein weit stärkeres RL-Reward-Signal als statistische Methoden wie GRPO oder RLHF, weil die Korrektheit maschinell geprüft werden kann, analog zum Kompilieren und Testen von Code. CEO Hong vergleicht den Ansatz mit dem Mathematiker Ramanujan: Formale Beweise zwingen zur Präzision, ermöglichen Dritten den Aufbau auf gesicherten Grundlagen und erzeugen so einen komponierbaren Wissenskorpus. Axiom hat mit AXLE ein Open-Source-Toolkit für interaktive Lean-Anwendungen veröffentlicht. Hong sieht Coding-Fähigkeit als notwendige, aber nicht hinreichende Bedingung für AGI – mathematische formale Verifikation sei der entscheidende nächste Engpass.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.