On-Line Encyclopedia of Integer Sequences
PulseAugur coverage of On-Line Encyclopedia of Integer Sequences — every cluster mentioning On-Line Encyclopedia of Integer Sequences across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Google DeepMind 的 AlphaProof Nexus 使用 AI 验证器解决数学问题
Google DeepMind 开发的一个名为 AlphaProof Nexus 的新框架，通过使用编写 Lean 语言证明的 AI 代理，展示了解决复杂数学问题的能力。该系统通过解决九个未解决的 Erdős 问题和证明 On-Line Encyclopedia of Integer Sequences 中的大量猜想取得了显著成功，且推理成本适中。对 AI 工程师的关键启示是，结合基于 LLM 的生成和严格验证器的基本循环的有效性，这…
-
新的数学框架对素数进行分类，并与孪生素数猜想相关联
一种新的数学框架，称为“分解为 weight × level + jump”，已被引入用于对素数进行分类。该方法在一个六页的报告中详细介绍，适用于递增整数序列，并通过提出存在无穷多个 weight 为 3 的素数来专门解决孪生素数猜想。该方法还与埃拉托斯特尼筛法用于自然数相关联。
-
decompwlj 3D 使用 Three.js 可视化 5000 个 OEIS 序列
decompwlj 3D 项目已分解了 5,000 个来自整数数列线上大全 (OEIS) 的整数序列。这种分解表示为 weight × level + jump，并使用 Three.js 的交互式 3D 和 2D 图形进行可视化。该项目还提供 CSV 导出以及指向 OEIS 和 GitHub 存储库的链接。
-
研究人员利用AI模型揭示素数分类 · 跟踪7个来源
一位研究人员发布了一份教学报告，详细介绍了一种新的素数分解方法，称为“weight × level + jump”。该方法被呈现为一种新的素数分类系统，并已应用于生成50个序列和指纹。这项工作与Opus 5.5和GPT-6 Astra版本相关，暗示了其在先进AI模型上的潜在应用或比较。
-
新的基准和工具揭示了LLM的数学推理差距和新颖的联系
研究人员开发了新的方法来评估和改进大型语言模型（LLM）的数学推理能力。一种称为“数学原语”（Mathematical Primitive）的方法引入了一个基准，用于评估数学理解的不同维度，如发现、生成、消化和执行，揭示发现是关键瓶颈。另一个系统LANTERN使用模型激活来有效地识别大型数据集中新颖的数学联系，成功地发现了序列之间先前未知的关系。
-
新研究质疑AI数学推理基准测试，强调记忆鸿沟
一篇新的研究论文探讨了目前用于测试语言模型数学推理能力（尤其是在整数序列方面）的基准测试的局限性。该研究引入了一个最小描述长度（MDL）框架来衡量基准测试的难度，发现参数数量是关键因素。研究还强调了一种被称为“荒野”的现象，即模型难以从部分序列数据中进行泛化，并表明当前的基准测试严重依赖于记忆而非真正的归纳推理。
-
语言模型在新的OEIS Open基准上证明数学猜想
研究人员开发了OEIS Open，这是一个旨在评估语言模型能够证明多少数学猜想的新基准。该基准基于来自整数数列在线百科（On-Line Encyclopedia of Integer Sequences）的492个开放猜想，并已在Lean中形式化，允许通用语言模型自主尝试证明。初步结果表明，语言模型能够以适度的成本解决其中很大一部分猜想，其中一个模型在使用每次200美元的预算时，在一个基准子集上取得了44%的得分。
-
新数据集和图神经网络推动有限群对称性研究
研究人员开发了一个包含超过131,000个Cayley图的新数据集，作为研究有限群属性如何在图可观测量中体现的基准。这项工作还为OEIS贡献了新的枚举序列，并识别出经验规律，从而提出可检验的关于图属性的猜想。对经典模型、MLP和图神经网络（GNNs）的比较表明，GNNs，特别是GIN和GCN，能够直接从图数据中有效预测代数群属性。
-
新的开源工具对抗AI数学幻觉
一个名为mathlas的新开源项目已被开发出来，以对抗AI在数学推理中的幻觉。它作为一个MCP服务器运行，为AI助手提供对真实Lean内核、定理索引和其他专业工具的访问。这种分工确保AI充当“大脑”，而mathlas处理精确的数学运算，只返回可独立验证的事实或诚实的置信度指示。该系统在一个基准测试中展示了59.1%的定理级Hit@20得分，通过整合动态网络搜索和写回循环，优于静态系统。
-
IntSeqBERT Transformer 学习整数序列中的算术结构
研究人员开发了 IntSeqBERT，这是一种新颖的 Transformer 模型，旨在理解和预测在线整数序列百科全书 (OEIS) 中的整数序列。与标准模型不同，IntSeqBERT 采用双流方法，结合连续幅度嵌入和 sin/cos 模嵌入，以处理 OEIS 中存在的巨大数值范围和算术结构。该模型在幅度预测和模预测方面取得了高精度，显著优于标记式 Transformer 基线。概率中国剩余定理求解器进一步增强了其下一项预测能力，证明…