GPT-5.4 Pro: Gegenbeispiel zu GCI für nicht-zentrierte Maße

# GPT-5.4 Pro findet Gegenbeispiel zu Hypothese über nicht-zentrierte Gauß-Maße

Das GPT-5.4 Pro-Modell hat ein Gegenbeispiel zur Hypothese generiert, die die Gaussian Correlation Inequality (GCI) auf nicht-zentrierte Gauß-Maße ausdehnt. Die Lösung, formatiert als dreiseitiger Artikel, wurde von der Plattform solveall.org am 12. März 2026 akzeptiert. Das Gegenbeispiel widerlegt die Annahme, dass die Ungleichung auch bei Verschiebung des Mittelwerts der Gauß-Verteilung gilt.

Gaußsche Korrelationsungleichung: Geschichte und Wesen

GCI ist für zentrierte Gauß-Verteilungen formuliert: Die Wahrscheinlichkeit der Schnittmenge zweier symmetrischer konvexer Mengen beträgt mindestens das Produkt ihrer Randwahrscheinlichkeiten. Der zweidimensionale Fall wurde 1977 von Loren Pitt bewiesen. Ein vollständiger Beweis für beliebige Dimensionen lieferte 2014 Thomas Royen – einfach und elegant, aber zunächst von der Fachcommunity unterschätzt.

Im Jahr 2025 verallgemeinerten Shehei Nakamura und Hiroshi Tsuji das Ergebnis auf Mengen mit einem gemeinsamen Gauß-Baryzentrum. Die Frage nach beliebigen nicht-zentrierten Gauß-Maßen, bei denen der Mittelwert nicht mit dem Ursprung übereinstimmt, blieb offen.

Gegenbeispiel von GPT-5.4 Pro

Das Modell konstruierte ein zweidimensionales Gegenbeispiel: zwei nahezu parallele symmetrische Streifen, wobei der Gauß-Mittelwert so verschoben ist, dass die Schnittmenge der Streifen eine geringere Wahrscheinlichkeit aufweist als das Produkt der Einzelswahrscheinlichkeiten. Die Konstruktion nutzt geometrische Intuition – die Verschiebung des Mittelwerts führt im Limes zu einem raschen Abfall der Schnittwahrscheinlichkeit.

Das Gegenbeispiel lässt sich auf Dimensionen n ≥ 2 verallgemeinern. Im eindimensionalen Fall bewies das Modell, dass die Ungleichung gilt: Symmetrische konvexe Intervalle auf der Geraden liegen ineinander.

Die Lösung ist in LaTeX als vollständiger Artikel mit Definitionen, Lemmas, Beweisen mittels Polarkoordinaten und Limesargumenten sowie einer Bibliografie formatiert.

Die Plattform solveall.org und Kontext

Solveall.org ist eine kuratierte Sammlung offener Probleme in der Wahrscheinlichkeitstheorie und verwandten Gebieten, erstellt von Edgar Dobriban von der Wharton School of Business. Die Plattform dient als Benchmark für KI-Reasoning. Das GCI-Problem war seit seiner Aufnahme ungelöst.

Die Lösung wurde von Nutzer Liam Price eingereicht, der die Generierung durch GPT-5.4 Pro und die Verifizierung durch andere Modelle bestätigte.

Frühere Erfolge von GPT-5

Die GPT-5-Serie zeigt Fortschritte beim Lösen mathematischer Probleme:

• Januar 2026: GPT-5.2 Pro löste das Erdős-Problem #728 zur Teilbarkeit durch Fakultäten.
• März 2026: GPT-5.4 meisterte das FrontierMath-Problem von Bartosz Naskrencki (20 Jahre in Entwicklung).

Das GCI-Gegenbeispiel hebt sich durch seinen kreativen Ansatz ab: Keine Berechnungen, sondern eine geometrische Konstruktion, die traditionell menschliche Intuition erfordert. Das Problem war eine „niedrig hängende Frucht“ – nach 2025 untererforscht und mit elementaren Methoden lösbar.

Wichtige Erkenntnisse

• GPT-5.4 Pro widerlegte die GCI-Hypothese für nicht-zentrierte Maße durch ein zweidimensionales Gegenbeispiel mit symmetrischen Streifen.
• Die Konstruktion verallgemeinert sich auf n ≥ 2; in 1D gilt die Ungleichung.
• Die Lösung nutzt Polarkoordinaten und Limes – grundlegende Techniken.
• Solveall.org etabliert sich als KI-Benchmark in der Mathematik.
• Zeigt den Wandel von Rechenpower zu geometrischem Denken in der KI.

Dieser Fall verdeutlicht, wie moderne Modelle Probleme mit Einsicht statt roher Kraft angehen. Für KI-Entwickler wird das Testen auf solchen Plattformen immer relevanter.

— Editorial Team