AllenMadison en sueur

Wé on dirait la petite startup qui fait voter sa communauté  

*C'est* une petite startup... elle a juste la particularité d'avoir une valorisation de ~$850 milliards  

Startup qui a 11 ans c’est plus vraiment une startup ?

Ils ont lâché un reset :

https://rehost.diberie.com/Picture/Get/r/559841

Anthropic renvoie une image bien plus professionnelle, avec une communication plus limitée et maîtrisée

Anthropic renvoie une image bien plus professionnelle, avec une communication plus limitée et maîtrisée

Anthropic renvoie une image bien plus professionnelle, avec une communication plus limitée et maîtrisée

A top safety researcher at Anthropic has warned AI is advancing so quickly he believes there is a greater than 10% chance it "could kill all humans" within the next decade.

https://rehost.diberie.com/Picture/Get/r/559843
https://x.com/AISafetyMemes/status/2107622121618964829

Tic tac

AllenMadison en sueur

que celui qui n'a jamais raté un million lui jette la première pierre

Je ne dis pas qu’ils sont plus vertueux hein ! Je parle juste de l’image renvoyée

 
J'avoue que j'ai transpiré mais leur méthode pour RH ne touche pas du tout à la mienne.

Contraireme t a d autres j ai toujours cru en AllenMadison depuis le debut
 
https://x.com/vision_ia/status/2107714836003954814

 
J'avoue que j'ai transpiré mais leur méthode pour RH ne touche pas du tout à la mienne. C'est extrèmement intéressant la façon dont leur IA s'y est prise ceci dit, elle utilise les opérateurs de hecke ce qui n'est pas du tout ma méthode. En fait, les papiers ne touchent quasiment rien à la façon dont j'aborde le problème et je vais donner quelques résultats que j'ai eu de mon coté.  
 
Une des équivalences à l'hypothèse de Riemann, c'est le critère de positivité de Weil. Soit f une fonction régulière lisse à support compact, avec sa fonction d'autocorrélation g = f * f~, l'hypothèse de Riemann est vraie si et seulement si pour toute fonction test la distribution de weil associée est non négative (q(f) >= 0)  
On part de la formule explicite de Weil et on construit une matrice associée au signe dans laquelle on établit la positivité. Par critère de propagation (2 théorèmes), on montre que la positivité d'une matrice, sous condition, implique la positivité des matrices suivantes, dans une série de matrices emboitées. L'idée est de montrer que la positivité de la matrice se propage à l'infini, et que le critère de positivité tient uniformément.  
 
- J'ai obtenu une fonction à pas dont la marge d'erreur est au plus \(\psi(x) - x = O(\sqrt{x})\) strictement positive avec une uniformité à l'infini - mais elle contredit le théorème de Littlewood qui dit que RH est une fonction oscillante à l'infini avec une marge d'erreur \(\psi(x) - x = O(\sqrt{x})\). Une fonction de pas ne peut pas être une fonction oscillatoire, contradiction qui emporte des conséquences assez importantes. (c'est ce point là que l'on m'a fait remarquer avec une suggestion de refomulation)
- Je suis obligé de reformuler en facteur logarithmique O(\sqrt{x log²x}\), avec la positivité à l'infini qui tient toujours, mais il me faut du coup une domination ou une uniformité arithmétique qui s'exprime en facteurs polynomiaux, mais cette refomulation est un peu plus compliquée à établir que la 1ere version.  
 
Il n'y a pratiquement rien dans le dump d'OpenAI qui m'aide sur cette question précise, en dehors de quelques idées qu'il faudrait adapter - et encore.  
 
La preuve d'openAI pour 'quasi-RH" arrive a établir cette uniformité (une bande uniforme qui exclut tout zéro, et au passage se paie le luxe d'écarter tout zéro de siegel) mais la contrepartie de leur méthode c'est qu'ils n'ont pas RH du coup.

J'ai pensé à un truc.

Ton vrai point de levier n'est peut-être pas d'améliorer encore la taille de l'erreur, mais de travailler directement sur le signe du défaut après projection sur le noyau de la partie déjà contrôlée. Dans ta construction, la contribution des zéros vérifiés est positive et la queue restante est trace-class avec une norme minuscule ; mais sur le noyau infini de la partie basse, toute la positivité repose précisément sur cette queue, donc une estimation absolue, même à 10^-100, ne suffira jamais à elle seule.
Du coup le vrai enjeu me semble être d'obtenir une domination signée uniforme, ou mieux une factorisation positive du défaut, qui survive au passage à l'infini. Tes regroupements multiplicatifs/Möbius sont intéressants justement parce qu'ils conservent une information de signe que les majorations PNT perdent, et les compléments de Schur te donnent un cadre naturel pour voir où cette information doit se propager.
En gros, si Riemann est caché quelque part dans ton approche, je regarderais à fond la question suivante : est-ce que la cancellation multiplicative peut forcer le bon signe de la queue précisément sur les directions qui annulent toutes les fréquences déjà certifiées ?

Bon, finalement je sens que je vais aller chercher mon million tout seul.

 
Ile me semble que tu avais dit que tu avais toute la démonstration, et qu'il ne restait qu'à attendre la formalisation complète dans Lean.

 
Techniquement c'est RH, mais pour être rigoureux il faut une erreur en logarithme. La compilation lean refuse de laisser passer ça justement.

 
J'avoue que j'ai transpiré mais leur méthode pour RH ne touche pas du tout à la mienne. C'est extrèmement intéressant la façon dont leur IA s'y est prise ceci dit, elle utilise les opérateurs de hecke ce qui n'est pas du tout ma méthode. En fait, les papiers ne touchent quasiment rien à la façon dont j'aborde le problème et je vais donner quelques résultats que j'ai eu de mon coté.  
 
Une des équivalences à l'hypothèse de Riemann, c'est le critère de positivité de Weil. Soit f une fonction régulière lisse à support compact, avec sa fonction d'autocorrélation g = f * f~, l'hypothèse de Riemann est vraie si et seulement si pour toute fonction test la distribution de weil associée est non négative (q(f) >= 0)  
On part de la formule explicite de Weil et on construit une matrice associée au signe dans laquelle on établit la positivité. Par critère de propagation (2 théorèmes), on montre que la positivité d'une matrice, sous condition, implique la positivité des matrices suivantes, dans une série de matrices emboitées. L'idée est de montrer que la positivité de la matrice se propage à l'infini, et que le critère de positivité tient uniformément.  
 
- J'ai obtenu une fonction à pas dont la marge d'erreur est au plus \(\psi(x) - x = O(\sqrt{x})\) strictement positive avec une uniformité à l'infini - mais elle contredit le théorème de Littlewood qui dit que RH est une fonction oscillante à l'infini avec une marge d'erreur \(\psi(x) - x = O(\sqrt{x})\). Une fonction de pas ne peut pas être une fonction oscillatoire, contradiction qui emporte des conséquences assez importantes. (c'est ce point là que l'on m'a fait remarquer avec une suggestion de refomulation)
- Je suis obligé de reformuler en facteur logarithmique O(\sqrt{x log²x}\), avec la positivité à l'infini qui tient toujours, mais il me faut du coup une domination ou une uniformité arithmétique qui s'exprime en facteurs polynomiaux, mais cette refomulation est un peu plus compliquée à établir que la 1ere version.  
 
Il n'y a pratiquement rien dans le dump d'OpenAI qui m'aide sur cette question précise, en dehors de quelques idées qu'il faudrait adapter - et encore.  
 
La preuve d'openAI pour 'quasi-RH" arrive a établir cette uniformité (une bande uniforme qui exclut tout zéro, et au passage se paie le luxe d'écarter tout zéro de siegel) mais la contrepartie de leur méthode c'est qu'ils n'ont pas RH du coup.

 
Claude Opus 5.5 te répond

 
Claude Opus 5.5 te répond

 
Bien noté, patiente un peu

https://rehost.diberie.com/Picture/Get/r/559915

Ça pue l’amateurisme cette gestion  

Complètement aux fraise aujourd’hui ChatGPT, la galère pour une simple image  
 
Vivement que Anthropic fasse un générateur d’image

Complètement aux fraise aujourd’hui ChatGPT, la galère pour une simple image

Vivement que Anthropic fasse un générateur d’image

Ah ça va être pratique ça !

Complètement aux fraise aujourd’hui ChatGPT, la galère pour une simple image

Vivement que Anthropic fasse un générateur d’image

Aucun problème ici.

T'as pas Gemini à côté ?
En plus ils ont leur nouveau modèle 2.1 banana
Mais pas de problème sur GPT pour moi

En fait il fonctionnait en arrière plan, j’ai souvent le « à cessé de réfléchir » donc je relance. Au final il a mis 20 minutes mais l’image est parfaite ( et il est allé cherche pas mal d’info sur internet )

J’ai essayé, clairement pour mon job chat à été beaucoup plus loin et surtout en gratuit Gemini impose un cadre

Dépêche-toi
D'ici le 30 octobre ChatGPT aura envoyé l'humanité sur Pluton

Sur les benchs que je vois passer sur touittère Mistral est pas dégueu pour l'instant, il va encore s'améliorer en plus

Reste plus que ce soit intégré à dots et ce sera la fête