Исследователи провели масштабный стресс-тест. Они испытали алгоритмы машинного обучения на прочность. Использовали для этого математические данные.
Объём данных поражает. Десять миллиардов детерминированных примеров. Пять миллиардов враждебных контрпримеров.
Цель была проста. Проверить, как модели справляются с атаками. Атаки эксплуатировали арифметическую точность и структурные паттерны.
Модель LightGBM показала точность 99,99%. Но анализ выявил интересную деталь. Модель искала квадратичные паттерны, а не проверяла алгебру.
Это значит, что алгоритмы учатся эвристикам. Они находят структурные представления в числовых данных. Это может упростить формальную верификацию.
Исследование опубликовано на arXiv. Автор — ХёнДжун Чон. Работа датирована январем 2026 года.
