Ansatz 与 Ansatze：面向 AI 辅助数学发现的持续图记忆与社区平台
Continual Graph Memory and Community Infrastructure for AI-Assisted Mathematical Discovery
作者提出 Ansatz 研究框架与 Ansatze 社区平台，用持续图记忆把模型接受的结论与依赖同人工整理探索分开记录，支持检视、引导和检查数学研究工作。在 First Proof 上，Ansatz 在两个各含十道题的批次中均记录到九次本地验证器闭合，第二批的一个部分结果也按该研究标准计为通过；这些由模型评估的结果包含持续搜索，与专家验证不同。
作者：Eric Hanchen Jiang、Junyi Zhang、Jinxi Yu、Jiachen Lu、Zhi Zhang、Michael Simon、Justin Baker、Richard Cai、Sneha Agarwal、Yubei Li、Hyunsik Chae、Xinjie He、Kyle Zheng、Vigyan Sahai、Ethan Ji、Alexander K Taylor、Yiwen Kou、Kyle Hess、Xiao Liang、Yingnian Wu、J.D. Zamfirescu-Pereira、Andrea Bertozzi、Kai-Wei Chang、Eunice Jun、Raghu Meka、Nanyun Peng、Amit Sahai、Matthew Sottile、Terence Tao、Wei Wang
摘要：数学发现需要保留不完整的想法以及支持其复用的证据。我们提出 Ansatz，一种研究工具框架，其持续图记忆将模型接受的论断与依赖关系同经过整理的探索区分开来；并提出 Ansatze，一个用于检查、引导和核验这项工作的社区平台。在 First Proof 上，Ansatz 在两个各含十道题的批次中分别记录了九次本地验证器闭合；Second Batch 中的一个部分结果也按该研究的判定标准计为通过。这些由模型评估的结果包含持续进行的搜索，与专家验证不同。组件研究和复审揭示了分歧及其依赖影响范围。对开放问题的调查产生了候选结果，并报告了五项 Lean 形式化。该平台连接问题发现、研究记录、手稿分析和形式化核验，同时保留不同的证据状态。这些系统共同通过持续调查和可检查的贡献，支持累积性的人机协作研究。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.02945 [cs.AI] |
| （或 arXiv:2610.02945v2 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.02945 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Eric Jiang [查看邮箱]
[v1]
2026年10月2日星期五 07:38:09 UTC（1,271 KB）
[v2]
2026年11月6日星期五 17:44:13 UTC（9,753 KB）
来源：arXiv cs.CL · arxiv.org