语言模型在新基准测试中证明了30%的数学猜想

研究人员开发了OEIS Open，这是一个旨在评估语言模型能证明多少数学猜想的新基准。该基准基于来自整数序列在线百科（On-Line Encyclopedia of Integer Sequences）的492个已形式化为Lean的开放猜想，允许测试任何通用语言模型。初步结果表明，语言模型能够自主解决其中很大一部分猜想，一个模型在使用每次200美元的预算在一个子集上取得了44%的得分。 AI

影响 展示了大型语言模型自主发现数学证明的潜力，可能加速形式数学的研究。

排序理由 该集群基于一篇学术论文，描述了一个用于评估语言模型在数学猜想方面的能力的新基准测试。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Language Models
• Lean
• OEIS Open
• On-Line Encyclopedia of Integer Sequences
• Thomas Adamczewski
• Tsoukalas et al.

• 论文
• 产品

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