NYU 团队教 LLM 判断定理有趣度，自主数学发现效率提升 4.3 倍
NYU Julia Kempe 团队（Niket Patel、@KempeLab 等）发布论文《Learning to Discover Interesting Mathematics》，瞄准 AI 数学发现的下一个瓶颈：LLM 已能证明困扰数学家数十年的结果，但在无人类引导下「找到有趣的定理」仍是难点。团队提出可量化的「有趣度」框架，并训练 27B 模型预测证明难度，准确度超过前沿通用模型；引入该指标后，LLM 自主发现有趣定理的趣味性/效率提升 4.3 倍。
已确认
- 有趣度核心原语是「给定前提条件下证明的难度」，定理内在有趣度定义为证明长度（难度）与陈述长度之比，即「容易陈述、难以证明」
- 团队证明该指标与定理下游实用性高度相关；@RexDouglass 转述其相关性达 0.756
- 在 Lean/mathlib 上的排序符合直觉：平凡恒等式得分低，费马大定理的变体接近榜首
- 引入该指标后，LLM 自主发现有趣定理的趣味性提升 4.3 倍
- 训练的 27B 模型在预测证明难度上超过前沿通用模型
为什么重要
- @Pascallisch 指出，该工作的目标不是让 AI 产出无穷堆砌的真定理，而是让 AI 主动发现真正有价值的数学，从「会证明」迈向「会选题」
- @RexDouglass 指出该趣味性指标可基于 Lean/mathlib 计算，为自动定理证明与数学图书馆排序提供了可操作的量化工具
2026-09-26 ~ 2026-09-27 · 5 条相关
一手来源
- NYU 定义定理「有趣度」指标,训练 27B 模型自动发现数学 — nyuniversity ·
- 论文提出定理「有趣度」指标,27B 模型超越前沿模型预测证明难度 — Pascallisch ·
- 用 Lean 定量化数学趣味性：难度除以描述长度，与实用性相关达0.756 — RexDouglass ·
- LLM 自主发现数学定理，趣味性指标提升 4.3 倍 — CatAstro_Piyush · 2026-09-26
- 【源头】论文提出定理「有趣度」指标,27B 模型超越前沿模型预测证明难度 — Pascallisch · 2026-09-26
- 教 LLM 判断定理有趣度，AI 自主数学发现效率提升 4.3 倍 — burny_tech · 2026-09-27
- 【源头】用 Lean 定量化数学趣味性：难度除以描述长度，与实用性相关达0.756 — RexDouglass · 2026-09-27
另有 1 条近重复转述:nyuniversity