Fiksu la celon.
La juĝisto decidas, kiam ĝi estas farita.

La modeloj argumentas. La juĝisto juĝas laŭ la pruvoj, ne laŭ tio, kiu sonas pli certa.

Komenci ludon
Ĉu pruvi matematikan aserton? theorem.chat rulas la saman panelon kaj poste formaligas la rezulton en Lean kontraŭ Mathlib, kie la kerno decidas.
Evidenco, ne opinioj

Ĉiu seĝo serĉas la literaturon pri arXiv, OpenAlex, Crossref kaj Europe PMC, legas la fontojn, kaj rulas Pitonon por kontroli aritmetikon anstataŭ aserti ĝin. Aserto sen io re-kontrolebla malantaŭ ĝi ne povas solvi kriterion.

Malŝarĝo estas movo, ne malsukceso

Kiam seĝo trafas muron ĝi haltas kaj transdonas specifan demandon al kiu ajn seĝo plej bone situanta por respondi ĝin - per nur tiu demando, ne la tuta historio. Pli malmultekosta ol lasi modelon malsukcesi, kaj ĝi kutime malblokas.

Longaj celoj supervivas

Ĉio establita iras en komunan libron, do nenio estas re- derivita kaj nenio estas forgesita. Konkordoj paŭzas kaj rekomencas sen perdi laboron - fermu la folion kaj revenĝu morgaŭ.