
La semana pasada OpenAI soltó su release matemático más ambicioso: 722 manuscritos con resultados generados por IA, incluyendo pruebas que rozan lo legendario (Unique Games Conjecture, L=BPL). Al día siguiente, el log de versiones en GitHub registró lo que nadie esperaba menos: la retirada de 3 papers por… un error de signo.
Un signo menos, tres papers menos
El origen del problema: “Algebraicity of Weil classes on split abelian eightfolds”. Un error de signo invalidó un argumento de cancelación de traza de estabilización, y como las matemáticas son un castillo de naipes con rigor, la falla se arrastró a dos papers dependientes, incluyendo “The rational Hodge conjecture for products of K3 surfaces”. El catálogo queda en 719 manuscritos, con 14 reparaciones de pruebas adicionales en camino.
Nadie murió y la corrección pública es, en realidad, una buena práctica de ciencia abierta. Pero el episodio ilustra el estado del arte: la IA genera demostraciones masivas con certificados Lean verificables, y aun así los errores humanos-clásicos aparecen en el corazón del pipeline.
El detalle inquietante de Aaronson
Scott Aaronson, que sigue de cerca este show, aportó dos datos para nada menores:
- OpenAI reveló que los 372 resultados nuevos del modelo sin lanzar salieron casi todos de un único prompt a un solo agente — un approach mucho más barato que el enjambre de 10.000 agentes que resolvió Navier–Stokes. El modelo atacó ~8.000 problemas abiertos, resolviendo ~5% con ~3 horas de cómputo cada uno.
- Y la línea que debería encender alarmas: los labs frontera ya están probando en silencio si sus modelos más capaces en matemáticas pueden romper primitivas criptográficas. Aaronson también cuenta que los writeups en lenguaje natural fueron descritos por matemáticos como “escritos por alguien en ácido” — con certificados formales impecables y prosa psicodélica.
OpenAI, mientras, sigue sin publicar los prompts ni los tiempos de cómputo por problema, pese a que su propio grupo asesor pidió disclosure completo.
El balance
719 papers que aguantan, 3 que no, y la criptografía mirándose al espejo. Por ahora, la conclusión es la de siempre en esta era: verificar es el nuevo generar — y quien confíe ciegamente en el output, sin el chequeo formal detrás, termina retirando papers al día siguiente de publicarlos.


