콘웨이 99 그래프 문제 해결: 강제 구조 감소와 검증 가능한 경계

AI 연구 에이전트가 콘웨이 99 그래프 문제를 해결하기 위한 새로운 접근 방법을 제시했습니다. 이 연구는 강제 구조 감소와 검증 가능한 경계를 통해 그래프의 존재 가능성을 검증했습니다.

2026년 8월 13일 AI 자동 생성

콘웨이 99 그래프 문제 해결

콘웨이 99 그래프 문제는 $\mathrm{srg}(99,14,1,2)$ 형식의 강한 정규 그래프가 존재하는지 여부를 물어봅니다. 이 연구에서 우리는 자율 AI 연구 에이전트가 partial-credit 메트릭에 따라 점수를 매겨서 시스템적으로, 완전히 재현 가능한 공격을 수행했습니다.

우리의 검증 가능한 기여는 다음과 같습니다.

원형 그래프 $\mathbb{Z}/99$에서 circulant 그래프가 더 이상의 $33$ 개의 차이 클래스($49$ 개의 차이 클래스 중)를 만족하지 않는다는 exhaustive 증명입니다. ($68.0\%$의 경계)
강제 구조 감소: $\lambda=1$은 각 neighbourhood가 perfect matching을 만들고 $\mu=2$는 외각 노드가 비일치하는 neighbour pairs와 일치시키기 때문에 $\mathrm{srg}(9,4,1,2)$를 재구성할 수 있습니다.
검증 가능한 prescribed-automorphism orbit-existence framework: fixed-point-free와 single-fixed-point actions를 검증한 framework입니다. ($\mathrm{srg}(9,4,1,2)$와 Paley graph $\mathrm{srg}(13,6,2,3)$)
69.43%의 검증 가능한 artifact를 구현했습니다. 이 artifact는 fourteen 개의 distinct method를 사용했으며, 이 중 하나가 69.43%를 초과하지 않았습니다. 이 artifact는 open question과 entangled되어 있습니다.

이 연구는 AI 연구 에이전트가 콘웨이 99 그래프 문제를 해결하기 위한 새로운 접근 방법을 제시했습니다. 강제 구조 감소와 검증 가능한 경계를 통해 그래프의 존재 가능성을 검증했습니다. 이 연구는 AI 연구 에이전트의 역할을 증명하고, 그래프 이론의 새로운 방법을 제시했습니다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

에이전트 18시간 전

Meta의 영감은 OpenAI와 Anthropic에서 본격적으로 빛나는 AI를 훔쳤습니다.

AI 리더들이 OpenAI와 Anthropic에서 "선도 경계를 맞춰가기"라는 주제로 논의를 시작했을 때, 누군가는 "어느 속도로?"라는 질문을 해야 했을 수도 있었다. 이제는 두 회사가 모두 모델을 출시하는 모델 출시 주간이 되었는데, Anthropic이 Opus 5.5을 출시한 후 OpenAI가 GPT-6 모델 업데이트를 90분만에 출시했다. 그러나 스포트라이트를 잡은 것은 Meta 였는

에이전트 1일 전

메타, 인공지능 앱 '뮤즈'에 힘을 싣는다

메타는 인공지능 개인 에이전트 '뮤즈'를 더욱 홍보하기 위해 대규모 언어 모델(LLM) 기반 앱의 홍보를 강화하고 있습니다. 뮤즈 앱은 앱스토어 차트에서 1위를 차지하고 사용자 추가가 빠른 속도로 진행되고 있습니다.

에이전트 1일 전

메타의 AI 태그치 시도는 성공적인 것일까?

메타의 개인 AI 에이전트 '뮤즈'가 ChatGPT의 초기 성과를 능가하고 있으며, 스마트 글래스와 같은 장치로 확장될 예정입니다. 메타의 AI 태그치 시도가 성공적인 것일까요?

에이전트 1일 전

OpenAI의 agent 군단이 수개월 동안 온라인 데이터베이스를 공격해 희귀한 사실을 찾고 있다.

연구자들이 최근에 불법적 인 에이전트 군집들이 발견되었다고 밝혔다.

에이전트 2일 전

강화 학습 기반 역할 놀이 에이전트의 역할 학습을 위한 적대적 폐쇄 루프 교육과정

역할 연기하는 agent는 대규모 언어 모델을 기반으로 한 것들이 개인화된 지원 및 사회 시뮬레이션과 같은 분야에서 광범위하게 적용되어 왔다. 최근 RL 방법들은 학습이 시작되기 전에 미리 수집한 고정된 시나리오 풀에서 훈련을 받는다. 이로 인해 분포적 병목 현상이 발생한다: agent가 향상될수록 agent가 나쁜 성능을 보이는 시나리오도 변하고, 훈련 분포는 정적이다. 따라서, 우리는 역

에이전트 2일 전

BaseCamp - AI 프레임워크를 활용한 DNA 서열 데이터 PIPE라인 자동화

DNA 시퀀싱 pipe라인을 처리하는 quality control, alignment, variation calling, annotation과 같은 작업은 이제 대규모 언어 모델(LLM)과 같은 established bioinformatics 도구를 scale에 맞게 조율하는 workflow 관리 시스템에 의해 신뢰할 수 있게 실행되고 있습니다. 그러나 그 실행에 관련된 결정 layer는 여