arXiv cs.AI· Yanju Chen, Hanzhi Liu, Ruizhe Qian, Jiaming Shan, Xu Yang, Yufei Ding, Osbert Bastani, Yu Feng·· 4 小时前AI 评分34
MathEye:用 Angelic Execution 将 LLM 数学证明脚本精炼为完整 Lean 证明
From Sorry to QED: Refining LLM Math Proofs via Angelic Execution
AI 导读
MathEye 框架通过“angelic proof checking”乐观执行模型,将 LLM 生成的不完整 Lean 证明脚本中的失败片段替换为占位符,从而定位模型未能完成的具体证明义务。
正文 · AI 翻译
摘要:大型语言模型(LLM)现在能够生成 Lean 证明脚本,捕捉许多数学论证的高层结构。然而,这些脚本在复杂定理上经常失败:一个缺失的附带条件或错误应用的引理就可能导致证明器提前中止,并丢弃原本可行的证明大纲。本文提出 MathEye,一个通过结合符号推理与最少人工交互,将不完美的 LLM 生成证明脚本转换为完全验证的 Lean 证明的框架。MathEye 的核心是天使证明检查,一种乐观执行模型,它用占位符替换失败的证明片段,同时保留论证的整体结构。这种乐观检查产生一个天使证明,隔离出 LLM 未能完成的确切证明义务。由于这些未解决的义务通常在逻辑上相互依赖,要求数学家直接处理每个占位符是低效的。为最小化人工工作量,MathEye 在捕获天使证明中符号级数据流的证明依赖图上执行残差分析。通过将义务选择表述为 MaxSAT 优化问题,MathEye 选择一组最小成本的必要义务,其解决足以完成整个证明。MathEye 以普通数学语言向数学家呈现这些必要义务,并使用数学家的答案自动重建完整的 Lean 证明。在分析和代数领域的 30 个真实世界基准上的实验表明,MathEye 解决了 93.3% 的问题,同时将所需用户交互次数减少了 55%。
| 学科: | 人工智能(cs.AI) |
| 引用为: | arXiv:2611.22103 [cs.AI] |
| (或 arXiv:2611.22103v1 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.22103 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Yanju Chen [查看电子邮件]
[v1]
2026年11月17日星期二 02:39:23 UTC(449 KB)
来源:arXiv cs.AI · arxiv.org