神经符号AI发现代数图构造

研究人员开发了一种神经符号智能体，能够发现图的代数描述，即使只提供邻接矩阵等原始数据。该智能体结合了大型语言模型和SageMath计算机代数系统，通过模型上下文协议（MCP）服务器进行通信。该系统成功地为预定义的强对称图基准测试中的所有100个图识别出了代数构造，显著优于基线方法。作为一项实际应用，该智能体找到了一个16个顶点的图的显式代数构造，这是迄今为止已知的最小的Bernhart-Kainen可分散性猜想的反例。 AI

影响 这种方法可以自动化发现复杂数据中的结构属性，有助于数学研究以及其他需要符号推理的领域。

排序理由 该条目是一篇学术论文，描述了一种新的图构造发现方法。[lever_c_research降级：ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Bernhart-Kainen dispersability conjecture
• $C_5[K_3]$
• Cayley graph
• lexicographical order
• $\mathrm{Cay}(\Gamma, S)$
• Model Context Protocol (MCP)
• Sage

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →