Mathlib
PulseAugur coverage of Mathlib — every cluster mentioning Mathlib across labs, papers, and developer communities, ranked by signal.
- used by Lean 4 Programming Language 90%
- developed Gotit.pub 90%
- used by Lean Finder V2 90%
- developed by MathlibQR 90%
- affiliated with Lean 4 Programming Language 70%
- instance of Lean 4 Programming Language 70%
- authored by Andrew Wiles 70%
- used by Prove2Me 70%
- developed by Lean 4 Programming Language 70%
- used by CatalyzeX Code Finder for Papers 70%
- used by Gotit.pub 70%
- used by MathlibQR 70%
10 天有情绪数据
-
AI 辅助黎曼猜想证明在数学界获得关注
数学家 Levent Alpöge 声称在 Anthropic 的 Claude AI 的协助下证明了黎曼猜想。该证明的正式化,由大约 1700 万行 Lean 和 Mathlib 代码组成,已经过 Lean 和 Mathlib 社区的独立验证,但尚未获得克雷数学研究所的正式认可。该证明的有效性及其对各种数学结果的影响仍在评估中,它不会自动破解加密或提供素数的简单公式。
-
AI 和 Lean 在多场演示中正式化数学
Michail Karatarakis 举办了一系列关于使用 Lean 证明器和 AI 工具正式化数学的讲座。讲座内容涵盖了将 AI 整合到正式化过程中的方法,重点介绍了如何利用 AI 进行数学证明以及 Mathlib 等工具的使用。该计划旨在弥合研究论文与正式数学证明之间的差距。
-
1,000 个 Anthropic Claude Agents 自主证明费马大定理
Anthropic 的 Claude Agents(Claude Fable 5.2 的早期版本)通过开发自己的组织结构,成功证明了费马大定理。一个由 1,000 个代理组成的团队仅用 28.7 小时就完成了复杂的数学证明,与之前的尝试相比,使用的 token 数量显著减少,证明长度也大大缩短。这些代理自主创建了一个用于任务分配和进度跟踪的数据库,展示了在没有人为干预或专业数学平台的情况下涌现出的协调能力。
-
Axiom 使用 Lean 将 7500 页的 Stacks Project 正式化,创建了最大的数学库
Axiom 已将整个 Stacks Project(代数几何学的基本参考资料)正式化并发布到 Lean 证明助手。这个庞大的库包含 1600 万行代码,代表了迄今为止最大规模的集成和可重用形式化数学集合。该项目旨在使现代代数几何学更容易进行形式验证,尤其是在 AI 系统日益生成数学论证的背景下。
-
新研究量化拉丁方阵的不平衡性
本文探讨了拉丁方阵的平衡概念,将其视为网格中的点,并使用L1度量来衡量其不平衡性。研究人员开发了一种模拟退火方法,该方法改进了现有的非方形矩形基准,并为先前找到的最小不平衡值的最优性提供了计算机辅助证明。该研究还建立了最小不平衡的渐近界限,并研究了完美平衡的条件,所有报告的矩形均使用Lean 4编程语言及其Mathlib库进行了验证。
-
新的DAPS系统通过利用依赖信号增强大语言模型定理证明能力
研究人员开发了DAPS,一个新颖的依赖感知前提选择系统,旨在改进Lean 4编程语言中大语言模型(LLM)的定理证明。与依赖语义相似性且可能受流行引理影响的先前方法不同,DAPS利用数学依赖性。它利用来自Lean Blueprint项目和Mathlib依赖项的精选资源,并结合了结构化邻域编码器和分组对比目标。DAPS在Mathlib4基准测试和分布外数据集上展示了改进的性能,增强了在miniF2F和IMO-ProofBench等基准测…
-
Vampire-Hammer工具将自动定理证明器与Lean集成
研究人员开发了Vampire-Hammer,一个旨在辅助Lean交互式定理证明器的新工具。该工具利用Vampire自动定理证明器来解决数学目标和重建证明。通过与Lean-auto框架集成,Vampire-Hammer在将目标和前提发送给Vampire进行证明搜索之前对其进行处理,并利用标准的TPTP问题格式和带注释的TSTP证明。在以10秒为预算对Mathlib定理进行的测试中,Vampire-Hammer成功解决了其他评估工具无法解…
-
Vampire-Hammer 工具增强了 Lean 证明器,具备自动化证明能力
一种名为 Vampire-Hammer 的新工具已被开发出来,用于辅助 Lean 交互式定理证明器。该工具与 Lean-auto 框架集成,将目标和前提发送给 Vampire 自动化定理证明器。Vampire-Hammer 能够重建由 Lean 内核验证的证明,并在 10 秒的时间限制内成功解决了大量先前其他工具无法解决的 Mathlib 定理。
-
新工具将模型计数证书转换为 Lean 定理
研究人员开发了一个名为 count-catcher 的工具,该工具可将精确模型计数器 d4 的证书转换为 Lean 定理。这些定理断言,在 Lean 中定义的给定 CNF 公式在一组变量上具有特定数量的模型。该过程涉及验证等同于该公式的布尔电路及其等价性证明。该系统与 Lean 的标准库和现有的数学结果集成,能够对复杂的组合计数进行认证,例如 8 阶拉丁方块的数量。
-
AI工具KAPPA自动化统计论文中的证明检查
研究人员开发了KAPPA,一个开源软件系统,旨在自动检查统计理论论文中的证明。KAPPA利用语言模型代理(特别是由Claude Code驱动的代理)将LaTeX证明翻译成Lean 4证明助手及其Mathlib库。然后,该系统会验证每个结果,并给出四种判决之一:已验证、有条件验证、已记录问题或未完成。KAPPA被应用于几篇统计论文,成功识别出已发表的错误以及一些经人工确认的其他问题。
-
Lean Finder V2 增强了 Mathlib 的语义搜索
Lean Finder V2 是一款新的语义搜索工具,旨在改进 Mathlib 数学库的查询消歧。它具有“Arena 模式”,用户可以在其中将 Lean Finder 与其他模型进行并排比较,并投票选出表现更好的模型,以帮助改进其功能。该工具用于研究目的,可在 Hugging Face 上获取。
-
新方法将非正式数学陈述与形式化库对齐
研究人员开发了一种方法,可以将非正式的数学陈述与其在 Lean 的 mathlib 等库中的形式化对应项进行对齐。这项工作构建了一个数据集,将 Stacks Project 中的非正式陈述与 mathlib 中的形式化内容联系起来,并利用了专家注释。该研究评估了检索、基于 LLM 的重新排序以及 LLM 辅助验证,以发现新的非正式到形式化的链接,并将这些发现整合到 MaRDI 知识图中,以增强对形式化数学知识的可访问性。
-
Lean Finder V2 通过查询消歧增强 Mathlib 语义搜索
研究人员开发了 Lean Finder V2,这是一个专为大型数学库 Mathlib 设计的先进语义搜索框架。该新系统结合了模型级对抗性训练和输入级查询重写,以有效消除用户查询(通常简短且隐含)的歧义。Lean Finder V2 的性能显著优于之前的 Mathlib 搜索引擎,在 MathlibQR 基准测试上至少提高了 11% 的相对性能,并在来自人类数学家和编码代理的未标记查询上表现出卓越的性能。与 Claude Code 的集…
-
PaperFormalizer 系统帮助作者使用 Lean 自动形式化研究论文
研究人员开发了 PaperFormalizer,一个使用 Lean 证明助手帮助作者自动形式化研究论文的系统。这个代理式管道接收 LaTeX 源代码文件,并将其转换为语句的依赖图,然后对语句进行忠实性、歧义性和正确性审计。PaperFormalizer 与作者互动,以解决证明中的任何歧义或差距,确保作者在生成与形式化语句链接的 Lean 代码时,仍然能够控制论文的声明。目标是通过使经验证的论文更易于生产,来增强依赖于数学证明的研究的稳健性。
-
Lean Finder V2 改进 Mathlib 搜索;Anthropic SDK 更新发布
研究人员开发了 Lean Finder V2,这是一个用于 Mathlib 的高级语义搜索框架,通过对抗性训练和查询重写显著提高了查询消歧能力。新系统在 MathlibQR 基准测试上实现了 11% 的相对改进,并在与 Claude Code 等模型集成时提高了证明成功率。此外,Anthropic 发布了其 Python SDK 的 1.16.0 版本,更新了其 Admin API,并使 User Profiles 可供一般使用,同时…
-
LeanGraphSearch 通过基于图的引理检索增强形式化定理证明
研究人员开发了 LeanGraphSearch,这是一种新颖的基于图的检索方法,旨在增强 Lean 4 编程语言中的形式化定理证明。该系统构建 Mathlib 内数学声明的依赖图,并通过多跳依赖关系遍历它以识别相关引理。LeanGraphSearch 在 MathlibQR 基准测试上的召回率提高了高达 12%,并增加了 MathlibMPR 上的覆盖率。当集成到迭代证明循环中时,与普通证明器相比,它将定理证明基准测试的通过率提高了高达 40%。
-
新数据集将《数学年刊》的定理形式化,用于AI基准测试
研究人员推出AnnalsChallenge,一个包含自2020年以来发表在《数学年刊》上的50个已形式化定理陈述的新数据集。这些陈述使用Lean 4和Mathlib精心手写而成,每个形式化都经过人工审查和后续的AI审计。该数据集不包含正式证明,旨在为评估AI驱动的数学形式化进展提供一个强大的基准。
-
新 Lean 4 定理证明器 NanoProof 发布,包含开放数据和工具 · 跟踪 2 个来源
研究人员推出 NanoProof,一个用于 Lean 4 的开源自动化定理证明器,在 MiniF2F-Test 基准测试上实现了 50.8% 的 pass@16。该系统值得注意的是发布了其训练数据、提取工具、训练管道和权重,使其完全可复现。NanoProof 表明,因子化执行引导证明器可以用适度的资源重建,在计算效率上优于类似系统,同时比大型微调语言模型占用的资源少得多。
-
AI 辅助证明最优打包 11 个正方形已验证
使用 Lean 证明助手成功验证了 AI 辅助证明的最优打包 11 个正方形。该证明在 Lean 4.34.1 和 Mathlib revision d13f23b723b8a846827a245b89c10fc7d3f11612 中形式化,通过了所有 7,920 个本地 Lean 模块的验证,无需任何假设。该存储库包含精确的证明源文件和构建配置,允许独立验证。最优边长源自一个复杂的多项式方程,并且该构造允许任意方向和不相交的内部。
-
Scott Armstrong 使用 Lean/Mathlib 简化复杂数学证明的形式化
Scott Armstrong 已经证明,使用 Lean 证明助手及其相关的 Mathlib 库,可以在 24-48 小时内完成复杂数学证明的形式化,包括与 PDE 和概率论相关的证明。他在一篇博客文章中详细介绍了这一过程,强调了 Lean/Mathlib 生态系统中自动定理证明生产力的显著提高。