价值巨头创造了陶·查汉（Tao Chakhang）的“数学超

资料来源：DeepTech股份的谈判平台Robinhood的首席执行官Vlad Tenev Company再次在资本市场上越来越受欢迎。 7月9日，与他的合作伙伴共同创立的一家初创公司Harmonic宣布了1亿美元的系列融资，该公司的估值达到了8.75亿美元，靠近Unicorn The Unicorn Threshold。这一系列资金由著名的风险资本公司克莱纳·珀金斯（Kleiner Perkins）指导，其次是范式和其他机构。 Harmonic（来源：Harmonic）是一家仅建立了两年的公司，并着重于前卫和挑战性的数学张力领域（MSI）。与当今的大型语言模型（LLM，Lalgerangage模型）不同，谐波从根本上试图解决AI的“幻觉”问题，即制造虚假信息的模型现象。它的解决方案是允许AI获取技能标记的数学推断，并确保通过正式验证可以验证所有推理步骤。在这个高度专业化的领域中取得进步的能力很大程度上是由于弗拉德·特内维（Vlad Tenev）的深刻数学技能。保加利亚裔美国人的商人五岁时与父母一起搬到美国，就读于弗吉尼亚州的托马斯·杰斐逊高中，然后就读于美国斯坦福大学，以获得他的数学学位。当他在斯坦福大学时，他遇到了Robinhood的共同创始人Baiju Batt。从大学毕业后，Tenev进入了UCLA，获得了数学博士学位，并在著名的数学家Tao Zhexuan下进行了研究。 UCLA的Vlad Tenev的研究经验（来源：UCLA的数学）对Tenev产生了巨大影响。 Tao Zhexuan因其在Muchos Campos de Las数学上的杰出贡献而受到认可。为开创性的工作准备和谐分析以结合学习。更重要的是，陶兹恩（Tao Zhexuan）积极参与了编程语言的促进GES近年来倾斜。这种语言是谐波技术途径的核心。但是，尽管具有深厚的数学技能，但Tenev终于决定离开UCLA博士学位课程。这些早期的经历为罗宾胡德的后部基础积累了宝贵的经验。 2013年，他们建立了Robinhood，指出了由传统经纪公司高管理率造成的市场进入标准。谐波Tudor Achim的另一个共同创始人也是众所周知的。它拥有美国卡内基·梅隆大学的计算机科学学位，并拥有斯坦福大学的计算机科学博士学位，重点是在认可领域中应用AI。更重要的是，Achim是Helm.ai的CO -Founder和前CTO，Helm.ai是一家自主管理公司，可提供从AI到世界上几家主要汽车制造商的解决方案。它在自动学习和算法中的深层格式补充了Tenev的Mathemati经验。 Tudor Achim（来源：邮政区）合作始于共同的视野。我使用ia解决了千年奖励中的数学问题。当Tenev和Achim开始认真考虑这种可能性时，他们意识到，AI的传统方法不仅可以胜任这种复杂的数学推断任务。他们最终发现的答案是精益编程。这种功能编程语言最初是为软件验证设计的，是由Leonardo de Moura de Microsoft Research开发的，在数学领域意外取得了巨大的成功。精益是独一无二的，因为它可以将数学定理表示为可验证的代码，并且可以保证，在逻辑上和传球编译的测试是正确的。基于这条技术途径，Harmonic开发了核心产品亚里士多德模型。当用户在自然语言中要求数学问题时，AristotlE可以在精益4代码中形式化问题，通过严格的逻辑推断解决问题，并在自然和薄代码中产生响应。这种“自我形式化”功能使亚里士多德与不熟悉精益语言的数学家和教育者合作，以更多地了解他们的工作。所有详细信息都可以完成。亚里士多德的原始技巧是自动对2001年国际数学游戏的形式化（来源：口琴），这要归功于这些特殊设计，亚里士多德在数学中都有出色的服务。在数学推断领域的标准参考测试minif2f中，亚里士多德达到了90％的精度，建立了新的行业记录，远远超出了以前的DeepSeek-proven，而Lego Provercido约占50％。 Minif2F包括来自国际数学奥运会和高中和本科数学课程的488个问题，从简单计算到非常具有挑战性的测试以及valla的困难Tion集还包括国际数学奥运会的三个问题。参考评估Minif2F（来源：谐波）的结果更重要，Harmonic在其技术路线上取得了一些重要的进步。首先是递归改进的能力。 LEAN提供客观验证标准，因此亚里士多德可以批准化学学习，并且自我获取迅速反复改善。由于缺乏明确的奖励功能，在其他领域很难实现这一目标。第二个是合成数据生成的优点。与许多AI公司面临的数据稀缺问题不同，谐波可以模拟人类学习数学的过程，从而生成大量的合成数学数据来训练模型，并基于简单的概念逐渐构建更复杂的问题。这条技术路线与当今的大型语言模型基本不同。现有的LLMS获得了互联网上学习文本数据的能力，但是数学推理不能这样做，并且通常容易出现幻觉。 Harmonic认为，数学是推理的语言，并且获得数学推理技能的AI系统Futhey将在需要严格逻辑的科学和工程等领域中很好地发出。正如阿奇姆（Achim）所说：“当人们在数学方面变得非常出色时，他们倾向于在其他科学和工程学的其他定量领域中表现出色。”从商业角度来看，谐波针对需要很高风险且精度很高的应用程序场景。我用它作为裤子。该软件的可靠性在航空航天设计，芯片设计，工业系统和医疗健康以及困难竞争的传统不确定性等领域很重要。 Harmonic的正式验证功能确保了关键软件的精确度，该软件在行业中非常有价值，例如区块链和需要极高安全要求的金融服务。 Tenev预测tAI能力的提高将导致大多数软件在隔壁五到十年中被证明和证明。当然，当前的数学社区并不总是对AI的数学如此乐观。年轻的数学家通常对验证工具（例如AI和瘦身）具有积极的态度，但是年长的学者相对谨慎。 Tenev认为，这种态度将逐渐改变，例如Chessfield的开发轨迹，最初是在人类计算机协作中，并且随着IA的能力提高，AI最终将超越人类在解决纯粹的问题方面，并且人类数学家的作用将成为AI的指南，从而解释结果并确定研究方向。谐波团队显然信任未来。 Tenev引用了Metaculus预测平台的数据，他说，千年大奖赛的下一个难题是通过人工智能或人工机器协作解决的43％的机会，即但是Cree认为该百分比被严重低估了。他们的预测更为基本。如果下一个难题是由人类独立解决的，则必须在不久的将来发生，并且下一个难题几乎可以肯定它做出了AI的重要贡献。它甚至预测，Navier-Stokes等式的相对简单问题可以在2026年克服，并解决了雷曼在2029年的假设。这种野心也得到了投资者的高度认可。克莱纳·珀金斯（Kleiner Perkins）的同伴伊利亚·福什曼（Ilya Fushman）说，这是身体上的。亚里士多德不仅在软件领域中加速了科学，工程和一般信息的发展的申请前景。 “索引风险合作伙伴Yanhammer将以观察者的身份加入董事会。他认为，超级数学智能将产生很大的影响，以便Google可以立即回答简单的问题。IC在2023年9月推出的IC启动是因为数学可以产生以下推论：它主要在加速亚里士多德模型的开发和商业化。 1。https：//www.bloomberg.com/news/articles/2025-07-10/brinhouse-ceo-ceo-ceo-s-ai-math-trup-valueed-at-at-at-arly-9亿？ EMBEDDED-CHECKOUT = true2.https：//www.squoiacap.com/podcast/training-data-harmonic/3.https：//harmonic.fun/newstypograph：liu yakun