🚨Kiinan DeepSeek julkaisi juuri ainoan avoimen lähdekoodin mallin, joka on tarpeeksi hyvä matematiikassa voittaakseen IMO Goldin, ja siitä on ehdoton lukemisen arvoinen raportti! Keskeinen ajatus ammentaa asioista, joista Karpathy ja muut ovat puhuneet: siirtyä "lopullisen vastauksen RL" ulkopuolelle puhtaalla kielellä generaattori–varmentaja–meta-verifiointisilmukaksi. – Varmentaja on RL-koulutettu pisteyttämään todistuksia. – Meta-tarkastaja tarkistaa varmennustekijän arvostelut. – Generaattori on RL-koulutettu varmistajapalkkiosignaaleihin kirjoittamaan ja itse tarkistamaan parempia todistuksia. Koska kaikki elää luonnollisessa kielessä (ei Leania), tämän reseptin PITÄISI ulottua moniin todennettavissa oleviin alueisiin: tieteeseen, koodiin, kaikkiin missä tarkistaminen on helpompaa kuin ratkaiseminen!