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.
2 天有情绪数据
-
AI 项目使用 3D 图形可视化 OEIS 序列
一个名为 decompwlj 的 GitHub 存储库已将来自整数数列线上大全 (On-Line Encyclopedia of Integer Sequences) 的 4500 个序列分解为涉及 weight、level 和 jump 的公式。该项目利用 Three.js 渲染的交互式 3D 和 2D 图形。该存储库还提到了与此工作相关的“Claude Code/Opus 5.5”。
-
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…