Исследователи предложили новый способ проверки больших языковых моделей — «тест Гёделя», который оценивает не решение известных задач, а способность создавать новые математические результаты. Авторы работы — профессор Моран Фельдман (Университет Хайфы) и Амин Карбаси (Cisco Foundation AI, ранее Йельский университет). Они выбрали пять свежих задач в области комбинаторной оптимизации и проверяли, сможет ли GPT-5 вывести доказательства или опровергнуть гипотезы, не зная их формулировок напрямую.

Результаты оказались смешанными: в трёх случаях модель предложила решения с правильной ключевой идеей, но неполным обоснованием; в одном — сумела опровергнуть гипотезу и предложить альтернативу; ещё в двух — не справилась из-за сложности задач и необходимости объединять разные идеи.

Авторы подчеркивают, что речь не идёт о полноценном прорыве: тест не пройден, выборка ограничена. Но даже частичный успех показывает движение к системам, которые могут не просто воспроизводить знания, а создавать новые гипотезы и участвовать в реальных научных открытиях.