Nuestro agente probador Aleph acaba de alcanzar el #1 en PutnamBench, un benchmark construido a partir de problemas de Putnam - uno de los más difíciles en la olimpiada de matemáticas a nivel universitario - completamente formalizado con pruebas verificadas por máquina y sin intervención humana. Los problemas de Putnam a menudo se consideran más difíciles que los problemas de la IMO y abarcan una amplia gama de temas, incluyendo cálculo, teoría de números, teoría de grupos y otras áreas fundamentales de las matemáticas. Esta es una fuerte evidencia de que la IA puede manejar razonamientos profundos y de múltiples pasos con garantías de corrección — el mismo tipo de tecnología que estamos utilizando para verificar software real, hardware y descubrimientos científicos que requieren lógica formal.