PulseAugur
中
实时 13:16:14
English(EN) Discovering New Theorems via LLMs with In-Context Proof Learning in Lean

LLM 利用 Lean 中的上下文证明学习发现新定理

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为“猜想-证明循环”（Conjecturing-Proving Loop, CPL）的新流程，该流程使用大型语言模型（LLM）来发现新的数学定理并在 Lean 4 中生成形式化证明。CPL 迭代地创建猜想并尝试证明它们，利用先前生成的定理和证明进行上下文学习。与同时生成陈述和证明的方法相比，这种方法在复杂定理的发现率方面有所提高，突显了神经定理证明中自生成上下文的有效性。 AI

影响 引入了一种 LLM 发现数学定理的新方法，有望加速形式化验证和数学研究。

排序理由 这是一篇详细介绍使用 LLM 进行定理发现新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

LLM 利用 Lean 中的上下文证明学习发现新定理

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Kazumi Kasaura, Naoto Onda, Yuta Oriike, Masaya Taniguchi, Akiyoshi Sannai, Sho Sonoda ·

    通过 LLMs 和 Lean 中的上下文证明学习发现新定理

    arXiv:2509.14274v2 Announce Type: replace Abstract: Large Language Models (LLMs) have demonstrated significant promise in formal theorem proving. In this study, we investigate the ability of LLMs to discover novel theorems and produce verified proofs. We propose a pipeline called…

相关实体

相关话题