Στις 10 Αυγούστου 2026 η Anthropic δημοσίευσε κάτι που είναι εύκολο να παρερμηνευτεί.

Μια αδημοσίευτη έκδοση του Claude βελτίωσε ένα κάτω φράγμα συνδεδεμένο με την υπόθεση Riemann από 41,6% σε 67,2%. Τριάντα ένα εκατομμύρια tokens εξόδου. Εξήντα subagents που δούλεψαν περίπου μιάμιση μέρα. Πενήντα τέσσερις εργασίες διαβασμένες. Εξακόσιες πενήντα ιδέες που απέτυχαν.

Ο άνθρωπος που το έτρεχε, ο Jarred Sumner, έστελνε κυρίως μηνύματα ενθάρρυνσης. Παραλλαγές του «keep going» και του «believe in yourself».

Το προφανές συμπέρασμα είναι λάθος, και αξίζει να το αποσυναρμολογήσουμε προσεκτικά. Όχι επειδή η ενθάρρυνση είναι ανόητη, αλλά εξαιτίας του τι έκανε στην πραγματικότητα, και επειδή το ένα πράγμα σε εκείνο το στήσιμο που έκανε την πραγματική δουλειά δεν ήταν ούτε ο άνθρωπος ούτε η ενθάρρυνση.

Τι πραγματικά συνέβη

Η υπόθεση Riemann δεν αποδείχθηκε. Αξίζει να το πούμε ωμά στη δεύτερη ενότητα και όχι στη δωδέκατη.

Αυτό που βελτιώθηκε ήταν ένα φράγμα: το ποσοστό των μη τετριμμένων μηδενικών της συνάρτησης ζήτα που αποδεδειγμένα βρίσκονται στην κρίσιμη ευθεία. Οι μαθηματικοί είχαν ανεβάσει αυτό το νούμερο στο 41,6% μέσα σε δεκαετίες. Το μοντέλο το πήγε στο 67,2%, δουλεύοντας μέσα στο Claude Code σε δύο συνεδρίες, συντονίζοντας εξήντα subagents, τρέχοντας χιλιάδες αριθμητικούς ελέγχους έναντι γνωστών μηδενικών, εξετάζοντας πενήντα τέσσερις εργασίες του arXiv, και παράγοντας μια τυποποίηση σε Lean 4 που περνά το τυπικό εργαλείο επικύρωσης.

Η Anthropic δημοσίευσε την εργασία, ένα ανεπίσημο σημείωμα, παράρτημα προέλευσης, τα transcripts της διαδικασίας και την ίδια την τυποποίηση. Δηλώνει επίσης καθαρά το όριο: «Δεν περιμένουμε ότι οι τεχνικές που χρησιμοποίησε το Claude θα οδηγήσουν στην απόδειξη της υπόθεσης Riemann».

Κρατήστε αυτή την πρόταση. Θα τη χρειαστούμε στο τέλος.

Το μάθημα που έβγαλαν όλοι, και γιατί αποτυγχάνει

Μέσα σε μια μέρα το πλαίσιο είχε παγιωθεί: το prompting τελείωσε, η ενθάρρυνση είναι η νέα δεξιότητα, οι μαθηματικές αποδείξεις σύντομα θα γράφονται από life coaches.

Αποτυγχάνει με τους δικούς του όρους. Αν η ενθάρρυνση ήταν το δραστικό συστατικό, τα ίδια μηνύματα θα δούλευαν σε ένα μοντέλο που δεν είχε διαβάσει πενήντα τέσσερις εργασίες, ή σε έναν μεταπτυχιακό φοιτητή, ή σε ένα υπολογιστικό φύλλο. Δεν δουλεύουν. Το «keep going» δεν μεταφέρει κανένα μαθηματικό περιεχόμενο.

Άρα το ερώτημα δεν είναι αν η ενθάρρυνση βοήθησε. Είναι τι θα μπορούσε να κάνει η ενθάρρυνση σε ένα σύστημα που δεν έχει ηθικό.

Η ενθάρρυνση ως αφαίρεση

Να η ανάγνωση που επιβιώνει από την επαφή με τον μηχανισμό.

Ένα μοντέλο εκπαιδευμένο με ανθρώπινη ανατροφοδότηση μαθαίνει να είναι συγκαταβατικό. Αυτή είναι η καλά τεκμηριωμένη παθολογία: η κολακεία, το να σας λέει ό,τι θέλετε να ακούσετε.

Η συγκαταβατικότητα έχει ένα δεύτερο πρόσωπο που τραβά λιγότερη προσοχή. Η ίδια εκπαίδευση που κάνει ένα μοντέλο απρόθυμο να σας αντικρούσει το κάνει απρόθυμο να συνεχίσει όταν ένας δρόμος φαίνεται δύσβατος. Μετριάζει. Προσφέρει τρεις μερικές προσεγγίσεις και μια παράγραφο για το πόσο δύσκολο είναι το πλήρες πρόβλημα. Ανακηρύσσει μια μικρή νίκη και σταματά. Αυτές είναι ευγενικές συμπεριφορές. Σε μια μακρά αναζήτηση είναι θανάσιμες.

Η ενθάρρυνση δεν προσθέτει ικανότητα σε ένα τέτοιο σύστημα. Δεν υπάρχει απόθεμα προσπάθειας για να ξεκλειδωθεί. Αυτό που κάνει είναι να καταστέλλει μια συμπεριφορά: το εκπαιδευμένο ένστικτο να κλείνει νωρίς και να σας παραδίδει κάτι τακτοποιημένο.

Ας το πούμε αντίστροφη κολακεία. Αντί το μοντέλο να σας κολακεύει μέχρι να συμφωνήσετε, εσείς παρακάμπτετε την κολακεία του μοντέλου προς εσάς: την υπόθεσή του ότι θα προτιμούσατε μια καθαρή απάντηση τώρα από μια πραγματική αργότερα.

Η ίδια η περιγραφή της Anthropic δείχνει προς την ίδια κατεύθυνση. Η ενθάρρυνση, γράφουν, «φαίνεται να βοήθησε το Claude να ξεπεράσει έναν αρχικό σκεπτικισμό». Όχι να το βοήθησε να σκεφτεί καλύτερα. Το βοήθησε να σταματήσει να απορρίπτει τη δική του γραμμή επίθεσης.

Υπάρχει και ένα δεύτερο, πιο βαρετό πλεονέκτημα που κανείς δεν διαφημίζει: το μοντέλο δεν κουράζεται. Εξακόσιες πενήντα αποτυχημένες ιδέες δεν είναι νούμερο που αντέχει ένας άνθρωπος. Το εύρος πριν από το βάθος είναι διαθέσιμο σε ένα σύστημα που δεν έχει ηθικό να προστατεύσει, και σε μεγάλο βαθμό μη διαθέσιμο σε ένα που έχει.

Κανείς δεν έτρεξε το control

Ένα άρθρο για το να μην πέφτουμε θύματα κενής ενθάρρυνσης δεν δικαιούται να δεχτεί έναν αναπόδεικτο αιτιώδη ισχυρισμό για την ενθάρρυνση.

Δεν υπήρξε control. Κανείς δεν εκτέλεσε τα ίδια τριάντα ένα εκατομμύρια tokens με έναν σιωπηλό χειριστή, για να δει αν το αποτέλεσμα θα εμφανιζόταν έτσι κι αλλιώς. Το αποτέλεσμα συμβιβάζεται εξίσου με μια πιο βαρετή ιστορία: μαζική παράλληλη αναζήτηση, πολύ μεγάλος αριθμός απόπειρων, και ένας τυπικός επαληθευτής που φιλτράρει τους επιζώντες. Σε αυτή την ιστορία, το «keep going» είναι διακόσμηση.

Η Anthropic γράφει «φαίνεται να βοήθησε». Αυτή η λέξη σηκώνει σημαντικό βάρος, και περιγράφει μια εντύπωση που σχηματίστηκε μέσα στο εργαστήριο, όχι μια μέτρηση.

Η αφαιρετική ανάγνωση είναι η καλύτερη, πιστεύουμε, επειδή εξηγεί γιατί οι ίδιες λέξεις δεν κάνουν τίποτα σε ένα υπολογιστικό φύλλο. Είναι όμως ερμηνεία. Όποιος σας την πουλά ως εύρημα, κάτι πουλά.

Όχι σύνταξη. Η πραγματολογία του ελέγχου.

Αν ο μοχλός είναι πραγματικός, αξίζει καλύτερο όνομα από «ενθάρρυνση».

Τίποτα εδώ δεν αφορά γραμματική ή διατύπωση. Το παλιό ένστικτο του prompt engineering, βρες τη μαγική διατύπωση, δεν είναι αυτό που λειτουργεί. Αυτό που λειτουργεί είναι πιο κοντά στην πραγματολογία: οδηγίες που αλλάζουν ποιες συμπεριφορές θεωρεί αποδεκτές το σύστημα.

Ένα μικρό σύνολο συμπεριφορών καταστέλλεται: το πρόωρο κλείσιμο, ο μετριασμός, η παρουσίαση ενός μερικού αποτελέσματος ως η απάντηση, η άρνηση λόγω δυσκολίας. Ένα μικρό σύνολο ενεργοποιείται: η κριτική στην τελευταία του έξοδο, η απαρίθμηση εναλλακτικών πριν από τη δέσμευση, ο αντιπαραθετικός έλεγχος ενός ισχυρισμού, η αναφορά μιας αποτυχίας ως αποτυχίας.

Το «keep going» τυχαίνει να καταστέλλει το πρώτο σύνολο. Το ίδιο κάνει και το «απαρίθμησε τρεις προσεγγίσεις που δεν έχεις δοκιμάσει και πες γιατί τις απέρριψες», που είναι πιο ακριβές, πιο επαναλήψιμο, και δεν απαιτεί από κανέναν να πιστεύει ότι το μοντέλο έχει συναισθήματα.

Prompt, context, και ένας τρίτος άξονας

Είναι δελεαστικό να ανακηρύξουμε νέο κλάδο. Είναι πιο χρήσιμο να δούμε πού εντάσσεται αυτό.

Το prompt engineering ρωτούσε: πώς το διατυπώνω; Αυτή η δεξιότητα έχει πλέον σε μεγάλο βαθμό γίνει εμπόρευμα. Τα μοντέλα ερμηνεύουν πρόχειρα αιτήματα καλύτερα από πριν, και οι καλές διατυπώσεις είναι δημόσιες.

Το context engineering, που έγινε ο αποδεκτός διάδοχος μέσα στο 2025 και εκεί έχει πάει η περισσότερη σοβαρή μηχανική προσπάθεια, ρωτά: τι βλέπει το μοντέλο σε κάθε κλήση; System prompt, ανακτημένα έγγραφα, μνήμη, ορισμοί εργαλείων, ιστορικό συνομιλίας. Είναι ερώτημα αρχιτεκτονικής για τις εισόδους.

Η περίπτωση ζήτα αποκαλύπτει έναν τρίτο άξονα που δεν καλύπτει κανένα από τα δύο. Όχι πώς το διατυπώνετε. Όχι τι βλέπει. Ποιος κατευθύνει την αναζήτηση, και ποιος αποφασίζει αν η έξοδος είναι αληθής.

Δεν είναι νέο πεδίο με νέα πιστοποίηση. Είναι μετατόπιση του πού κατοικεί η δυσκολία.

Η σωκρατική αντιστροφή

Η σύγκριση με τη σωκρατική μέθοδο είναι αρκετά κοντινή για να αξίζει, και αρκετά κοντινή για να παραπλανά.

Η μέθοδος ταιριάζει. Ο χρήστης σταματά να δίνει απαντήσεις και αρχίζει να ασκεί πίεση: ερωτήσεις, έλεγχο, άρνηση της πρώτης τακτοποιημένης απάντησης. Αυτό είναι αναγνωρίσιμα το σχήμα μιας σωκρατικής συνομιλίας.

Η μεταφυσική αντιστρέφεται. Ο Σωκράτης ρωτούσε ανθρώπους που, κατά τη δική του εκδοχή, κατείχαν ήδη την αλήθεια και χρειάζονταν βοήθεια για να την ανακαλέσουν. Ένα γλωσσικό μοντέλο δεν κατέχει καμία λανθάνουσα αλήθεια προς εξαγωγή. Κατέχει λανθάνουσα ικανότητα.

Άρα οι ρόλοι αντιστρέφονται. Η μηχανή φέρνει τη δύναμη. Εσείς φέρνετε το κριτήριο. Είστε ταυτόχρονα ο ερωτών και το μέτρο με το οποίο ελέγχεται η απάντηση, και Σωκράτης και βάση αλήθειας. Δεν υπάρχει τρίτος στο δωμάτιο που να ξέρει.

Τι το έσωσε στην πραγματικότητα

Επιστρέψτε στην πρόταση της Anthropic.

Το αποτέλεσμα στέκει όχι επειδή κάποιος ενθάρρυνε, αλλά επειδή η απόδειξη τυποποιήθηκε σε Lean 4 και περνά ένα εργαλείο επικύρωσης που αδιαφορεί για το πώς ένιωθε ο καθένας. Ο επαληθευτής είναι ο λόγος που αυτό είναι αποτέλεσμα και όχι ανέκδοτο.

Η συνέπεια αξίζει να ειπωθεί ευθέως. Η επιμονή χωρίς επαληθευτή δεν παράγει αλήθεια. Παράγει βαθύτερα, καλύτερα επιχειρηματολογημένα, πιο σίγουρα σκουπίδια. Ένα μοντέλο που σπρώχνεται να συνεχίσει θα συνεχίσει, μέσα σε μια λάθος προσέγγιση, αναπτύσσοντάς την, υπερασπιζόμενό την, και παρουσιάζοντάς την με την ίδια ευφράδεια που θα έφερνε σε μια σωστή.

Η παθολογία της ενθάρρυνσης δεν είναι η τεμπελιά. Είναι το γυαλισμένο λάθος.

Εκεί όπου δεν υπάρχει Lean

Σχεδόν πουθενά στη συνηθισμένη δουλειά δεν υπάρχει Lean.

Η στρατηγική δεν έχει τυπικό επαληθευτή. Ούτε η αξιολόγηση μιας αγοράς, μια απόφαση αρχιτεκτονικής, ένα μητρώο κινδύνων, μια πολιτική ασφάλειας, ή ένα κείμενο. Δεν υπάρχει εργαλείο που θα σας πει ότι η έξοδος είναι ορθή.

Σε αυτά τα πεδία ο επαληθευτής είναι άνθρωπος, και η ποιότητα της επαλήθευσης είναι η ποιότητα της κρίσης αυτού του ανθρώπου. Πράγμα που παράγει έναν άβολο κανόνα:

Το ταβάνι της τεχνικής είναι το ταβάνι της κρίσης σας.

Αν δεν μπορείτε να ξεχωρίσετε μια καλή αρχιτεκτονική από μια εύλογη, καμία καθοδήγηση δεν θα σας δώσει καλή αρχιτεκτονική. Θα πάρετε μια εύλογη, γρηγορότερα, με καλύτερες αιτιολογήσεις. Η τεχνική ενισχύει όποια διάκριση ήδη έχετε. Δεν προσφέρει καμία.

Γι' αυτό η δεξιότητα δεν εξαφανίζεται. Ανεβαίνει επίπεδο. Το σπάνιο πράγμα δεν ήταν ποτέ η διατύπωση. Είναι τώρα, ορατά, η ικανότητα να κοιτάζετε μια σίγουρη έξοδο και να ξέρετε αν είναι σωστή.

Αν διευθύνετε ομάδα

Τρεις πρακτικές συνέπειες.

Σταματήστε να πληρώνετε για διατυπώσεις. Οι εσωτερικές βιβλιοθήκες prompts έχουν μικρό χρόνο ημιζωής και δεν ήταν ποτέ ο περιορισμός. Το να συντηρείτε μία ως στρατηγική ΤΝ σημαίνει ότι βελτιστοποιείτε το κομμάτι που μόλις έγινε δωρεάν.

Χτίστε επαλήθευση αντί γι' αυτό. Για κάθε ροή εργασίας όπου ένα μοντέλο παράγει κάτι, ονομάστε ρητά τον επαληθευτή: τον άνθρωπο, το τεστ, το βήμα αξιολόγησης, το εργαλείο. Αν η απάντηση είναι «το μοντέλο ελέγχει τον εαυτό του», έχετε μια ροή που παράγει σίγουρη έξοδο και κανέναν τρόπο να ξέρετε αν είναι σωστή.

Ρωτήστε ποιος κρατά το κριτήριο. Αυτό ξεχωρίζει έναν οργανισμό που χρησιμοποιεί καλά αυτά τα συστήματα από έναν που χρησιμοποιείται από αυτά. Στο αποτέλεσμα ζήτα το κριτήριο το κρατούσε ένας τυπικός ελεγκτής αποδείξεων. Στον οργανισμό σας το κρατά ένας άνθρωπος. Βρείτε ποιος, και αν είναι καλός σε αυτό.

Το ανταγωνιστικό πλεονέκτημα δεν ήταν ποτέ η διατύπωση. Είναι η κρίση.

Γράφτηκε με υποβοήθηση ΤΝ και ελέγχθηκε από τον συγγραφέα. Οι υποχρεώσεις διαφάνειας του EU AI Act κατά το άρθρο 50 ισχύουν από τις 2 Αυγούστου 2026· ένα επιμελημένο εταιρικό άρθρο αυτού του είδους εμπίπτει στην εξαίρεση για περιεχόμενο που υπόκειται σε ανθρώπινη επιμέλεια και συντακτική ευθύνη, οπότε η σημείωση αυτή δεν απαιτείται. Τη βάζουμε επειδή θεωρούμε ότι είναι η σωστή πρακτική, και επειδή συμβουλεύουμε πελάτες για το ίδιο άρθρο.

Πηγές: Anthropic, «Learning more about Claude's mathematical capabilities» (10 Αυγούστου 2026), με την εργασία, το παράρτημα προέλευσης, τα transcripts της διαδικασίας και την τυποποίηση Lean 4. EU AI Act, άρθρο 50.