大型语言模型 (LLM) 正在被探索用于自动形式化数学定理的潜力，这项任务被证明是极其困难且资源密集型的。虽然这一发展可以作为 AI 公司测试 agentic LLM 技术的基准，但生成的代码通常缺乏形式数学库所期望的健壮性和可重用性。其动机似乎更多是关于压力测试 AI 能力并建立与真理的联系，而不是为全面的数学知识库做出贡献。 AI
影响 这项研究可以推进 agentic LLM 的能力及其与可验证真理的联系，有可能减少某些领域对人工验证的需求。
排序理由 该集群讨论了 LLM 在数学研究问题（特别是定理形式化）中的应用及其相关挑战。
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
# Math # AI 26/n On the other hand, the development of LLMs has suggested that they could be tuned to formalize automatically theorems for which a proof is provided (as a PDF file, or a collection of PDF files, say). To me, the motivation looks more than providing a benchmark for…
# Math # AI 25/n This task of formalizing mathematics appears to be quite difficult. It takes a lot of time and energy, and it leads to computer code that is very big. For example, the mathematical library Mathlib that accompanies the proof assistant Lean consists in roughly 10,0…