Anthropic

Claude, 리만 가설 관련 부등식 증명해 41.6%→67.2% 개선

연구소/벤더2026년 8월 11일

한마디로

Claude가 리만 가설을 풀려다 실패했지만, 그 과정에서 관련 수학 문제 하나를 실제로 개선하는 결과를 냈어요

무슨 내용인가

Anthropic 직원이 Claude에게 리만 가설을 풀어보라고 시켰는데, 가설 자체는 풀지 못했지만 리만 제타 함수의 영점 중 가설을 만족하는 비율의 하한선을 41.6%에서 67.2%로 끌어올리는 성과를 냈어요. Baluyot, Goldston, Suriajaya, Turnage-Butterbaugh의 최근 연구와 Bombieri의 2000년 논문을 조합하는 방식으로 접근했는데요, 미공개 연구용 Claude가 Claude Code에서 두 차례 세션, 총 3100만 개의 출력 토큰을 써서 도출한 결과예요. 처음엔 650개의 아이디어가 모두 실패했지만, 다시 시도하라는 격려를 받은 뒤 약 60개의 서브에이전트가 하루 반 동안 2400개의 셸 명령을 실행하고 수백 개의 Python 스크립트를 작성하며 결과를 검증했어요. Anthropic 소속 수학자 Levent Alpöge와 Ralph Furman이 결과를 검토했고, Brian Conrey와 Dan Goldston 같은 외부 전문가도 논문을 살펴봤으며, Claude는 Lean으로 형식 검증 가능한 증명까지 만들었어요.

에디터 노트 | FactStack

리만 가설을 못 풀었다는 헤드라인에 낚이면 안 되는 사례예요. 진짜 포인트는 650개 아이디어가 전부 실패한 뒤 '다시 해보라'는 한마디에 60개 서브에이전트가 하루 반 동안 2400개 셸 명령을 돌려 결국 기존 논문 두 개를 조합해 실질적 수치를 개선했다는 과정이고, 이건 브레인스토밍이 아니라 대량 병렬 탐색과 검증 반복이 진전을 만든다는 뜻이에요. 실무에서 AI 리서치를 시킬 때 한 번 실패하면 접는 경우가 많은데, 여기서는 재시도 지시와 서브에이전트 분업, 그리고 Lean 형식 검증과 외부 전문가 리뷰까지 붙였다는 점이 핵심이라 '한 번 프롬프트로 답 얻기'식 기대치를 낮추고 검증 파이프라인을 어떻게 짜는지가 성과를 가른다는 걸 보여줘요.

실무 시사점

AI가 완전히 새로운 이론을 발명하는 게 아니라 기존 연구 결과를 조합해 실질적 진전을 만들 수 있다는 걸 보여주는 사례라 연구, 분석 업무에 AI를 활용하는 방식에 참고가 됩니다

Claude, 리만 가설 관련 부등식 증명해 41.6%→67.2% 개선

무슨 내용인가

실무 시사점

태그

관련 심층분석

관련 글