DeepSeek-Prover-V2-7B
PulseAugur coverage of DeepSeek-Prover-V2-7B — every cluster mentioning DeepSeek-Prover-V2-7B across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的SCOPE系统使用LLM进行认证定理证明
一篇新的研究论文介绍了SCOPE，一个旨在改进Lean等证明助手中的认证定理证明的系统。SCOPE将语言模型规划证明步骤与执行数值计算的符号引擎之间的劳动进行了划分，提高了复杂命题的准确性。该方法在使用一个1.35亿参数的模型在218个问题的套件上实现了87.6%的认证率，在某些指标上显著优于更大的模型，并展示了一条比简单扩大模型规模更直接的可靠证明路径。
-
新的MCTS框架用于AI定理证明，凸显了证明审计的必要性
研究人员开发了一种新颖的三角色蒙特卡洛树搜索（MCTS）框架，用于利用大型语言模型进行形式化定理证明。该方法将Lean 4编译器视为奖励预言机，使用其输出作为搜索更新的标量信号，而不将错误消息馈送到生成上下文中。该框架在MiniF2F和PutnamBench等基准测试中表现出改进的性能，并且重要的是，由于奖励黑客攻击问题（模型产生了依赖于非预期机制的可编译证明），揭示了对内核级证明审计的需求。
-
精简定理证明基准和RL模型推理中发现的缺陷
研究人员在精简定理证明数据集的正式基准测试中发现了重大缺陷，揭示了数千个问题，包括反例和空泛定理。另一项关于RL训练的精简定理证明器的研究表明，这些模型存在推理时模式崩溃的问题，即增加采样预算并不会带来更多已解决的定理。然而，结构化策略骨架等干预措施可以提高性能，这表明推理时多样性是增强RL训练证明器的关键且独立的维度。
-
新的大语言模型（LLM）框架和基准推动形式数学推理发展
研究人员正在开发新的方法和基准来提高大语言模型（LLM）的形式数学推理能力。一种名为 Diffusion-Proof 的方法利用扩散大语言模型（dLLMs）进行定理证明，在 ProofNet-Test 和 MiniF2F-Test 等基准测试中表现优于自回归模型，甚至解决了领先模型无法解决的国际数学奥林匹克问题。另一项开发 Visored 提供了一个旨在通过模仿自然语言和自动化常规步骤来处理大语言模型生成数学的证明器。此外，Mask-…
-
FormalRewardBench benchmark evaluates LLM reward models for theorem proving
研究人员推出了 FormalRewardBench，一个用于评估形式化定理证明中奖励模型的新基准。该基准通过在无需大量重新训练的情况下比较奖励模型，解决了定理证明器强化学习中信用稀疏分配的挑战。FormalRewardBench 包含 250 对偏好数据，并采用了各种错误注入策略，已用于测试多个大型语言模型，结果表明前沿模型在评估证明质量方面表现最佳。