Community-Hub will OpenAIs Mathematik-Manuskripte überarbeiten

Offener Überarbeitungs-Hub für OpenAIs Mathematik-Manuskripte entsteht auf GitHub

Eine Community-Initiative will die von OpenAI veröffentlichten Mathematik-Manuskripte gemeinsam überarbeiten. Das Projekt trägt den Namen oai-math-revised und liegt in der GitHub-Organisation mathcommunity. Nach Darstellung der Initiative sind die Texte schwer verständlich, außerdem fehlen Teile der Zitate. Das Repository gibt sich ausdrücklich inklusiv. Eingeladen sind Studierende, Postdocs, Professorinnen und Professoren sowie Interessierte.

Die Originalmanuskripte liegen im Repository github.com/openai/math. Die überarbeitete Fassung führt die Initiative unter github.com/mathcommunity/oai-math-revised, die Website unter mathcommunity.github.io/oai-math-revised.

Der einfachste Zugang führt über diese Website. Sie ordnet die Paper nach Fachgebiet und lässt sich danach durchsuchen. Jedes Paper hat eine eigene Seite mit dem PDF und Notizen. Schaltflächen erlauben es Lesern, Probleme zu melden oder Referenzen zu ergänzen.

Die Initiative stellt sich als Gastbeitrag von Abhinav Nellore, Johannes Schmitt, Soledad Villar und Rachel Ward vor. Zu Reichweite oder Erfolg macht das vorliegende Material keine Angaben. Belegt ist allein der Aufbau: ein Repository, eine Website, eine Seite pro Paper und ein Aufruf zur Mitarbeit.

Pull Requests, Issues und NOTES.md: So sollen Beitragende arbeiten

Drei Wege nennt die Initiative. Über Pull Requests sollen Beitragende Zitate und Literaturübersichten ergänzen, die Darstellung verbessern und Fehler finden, nach Möglichkeit auch beheben. Der Ablauf folgt dem üblichen Muster: Repository forken, Änderungen im eigenen Fork committen, dann einen Pull Request einreichen. Wer Git und GitHub noch nicht kennt, findet einen verlinkten Einstieg. Issues dienen dazu, Änderungen an einem Manuskript vorzuschlagen. NOTES.md-Dateien, die in den Unterordnern von preprints/ angelegt oder geändert werden, halten Anmerkungen fest.

Bei Pull Requests bevorzugt die Initiative die direkte Bearbeitung der TeX-Quellen. Anschließend soll das PDF neu kompiliert werden und unter demselben Dateinamen liegen, sodass es die bisherige Fassung ersetzt. Das Repository ist groß. Deshalb gibt es einen Sparse-Checkout, der nur die Papers lädt, an denen jemand lokal arbeitet. Beitragende sollen erhebliche Automatisierung offenlegen, etwa durch Sprachmodelle, Beweisassistenten oder andere mathematische Software.

Außerdem sucht die Initiative Freiwillige als Administratoren oder Reviewer. Sie sollen sich per E-Mail melden und angeben, für welche Review-Kategorien aus OpenAIs Übersichtsmaterial sie sich eignen.

719 Manuskripte, nicht alle mit Lean-Formalisierung: OpenAIs eigene Angaben

Was OpenAI selbst über sein Repository sagt, ist der Ausgangspunkt für die Einordnung. Dort liegen Manuskripte und Beweisartefakte eines internen OpenAI-Modells. Einige Ergebnisse bauen laut OpenAI auf früheren Resultaten der Modelle auf. Der aktuelle Katalog umfasst laut OpenAI 719 Manuskripte in 372 Familien. Jede Familie ist einem mathematischen Fachgebiet zugeordnet. Die Ergebnisse befänden sich in unterschiedlichen Verifikationsstadien. Nicht alle hätten Lean-Formalisierungen; diese würden fortlaufend nachgereicht.

OpenAI räumt zudem ein, dass einige nicht formalisierte Ergebnisse Fehler enthalten könnten. Man wolle solche Probleme schnell beheben. Außerdem erkunde das Unternehmen community-gehostete Repositories für das Material. Als Anlass nennt OpenAI, die bisherigen Mathematik-Evaluierungen seien gesättigt gewesen. Deshalb habe man die Tests auf offene Forschungsprobleme ausgeweitet.

Das ist eine Herstellerangabe. OpenAI stellt die Texte als Ergebnisse offener Forschungsprobleme dar. Dazu zählt die am 8. September 2026 verkündete Lösung des Navier-Stokes-Existenz- und Glattheitsproblems, nach Wikipedia für den Fall mit glatter äußerer Kraft. Prüfbar sind diese Aussagen nur über Lean-Formalisierungen und fachliche Begutachtung.

Bei der Zahl der Manuskripte gibt es eine Abweichung. Wikipedia nennt 722, OpenAIs Repository 719. Das Material erklärt die Differenz nicht. Maßgeblich ist die Primärquelle, also 719.

Huiberts und TechCrunch halten OpenAIs Selbstauskunft Kritik entgegen

Gegen OpenAIs Darstellung stehen mehrere unabhängige Stimmen. Die Mathematikerin Sophie Huiberts übernimmt die Zahlen aus dem Repository, spricht aber von „372 Ergebnissen“, die auf 719 PDFs verteilt seien. Ihr Maßstab: Wer einen Satz beweise, trage Verantwortung gegenüber der Mathematik und müsse erklären, welche Schritte neue Ideen erforderten und welche bekannt seien. Sie wirft OpenAI fehlende Attribution von Ideen vor und behauptet „retraction-würdige“ Fehler. Versprochener Code fehle, und die Beweise seien kaum lesbar.

TechCrunch berichtet, OpenAI habe nach eigener Aussage eine Gruppe führender Mathematiker konsultiert, um Kontroversen wie bei der früheren Lösung eines lange offenen Problems zu vermeiden. Das Medium urteilt, OpenAI habe diese Standards verfehlt, besonders beim Gewicht menschlichen Verständnisses. Verwiesen wird auf ein neues Paper, das Lücken zwischen natürlichsprachlicher und formal ausgedrückter Lösung eines Millionen-Dollar-Problems aufzeige.

Die Advisory Group on Mathematics and Artificial Intelligence am Institute for Advanced Study besteht aus neun Forschenden. Ende September veröffentlichte sie Richtlinien für Frontier-Labs. Ihre erste Empfehlung lautet, fortgeschrittene Mathematikprobleme nicht mehr an proprietären Modellen zu testen. OpenAIs Release sagt dagegen ausdrücklich, dass proprietäre Modelle an offenen Forschungsproblemen evaluiert werden. Die Gruppe selbst hält sich zurück. Die mathematische Gemeinschaft müsse beurteilen, inwieweit die Empfehlungen befolgt wurden. Eine ausführlichere Bewertung gab sie auf Anfrage von TechCrunch nicht ab.

Hier prallen Maßstäbe aufeinander. Das Unternehmen bewertet sich über eigene Angaben und die Evaluierungsziele, die es selbst setzt. Die Fachwelt misst an Standards für Exposition, Attribution und Nachprüfbarkeit. Ein neutraler Prüfer fehlt bislang. Der Hub lässt sich als mögliche Antwort auf dieses Vakuum lesen. Das ist eine Deutung, kein Beleg für Wirkung. Konkrete Fehlernachweise liegen im Material nicht vor. Die Vorwürfe von Huiberts sind Behauptungen, deren Gewicht sich nicht prüfen lässt.

Offen bleibt, ob OpenAI reagiert und ob die Community mitzieht

Das Material belegt vieles nicht. Es enthält weder eine Reaktion von OpenAI auf die Initiative noch messbare Resonanz oder Beteiligung. Neue Erkenntnisse zu den Beweisen selbst liefert es ebenso wenig wie einen nachgewiesenen Nutzen für Studierende oder Forschende.

Einziger Anknüpfungspunkt ist OpenAIs Ankündigung, community-gehostete Repositories zu erkunden und Fehler schnell zu beheben. Ob das Unternehmen den Hub als solchen Ort betrachtet, ist offen.

Der Handlungsdruck ist trotzdem erkennbar. Vorwürfe zu Fehlern und fehlender Attribution stehen öffentlich im Raum, und die Beratungszusage des Unternehmens wird in Frage gestellt. Bleiben Fehler unbehoben, droht OpenAI ein Reputationsschaden bei genau der Fachgemeinschaft, deren Urteil es braucht.