CausalSmith:用 Lean 形式化验证让智能体自动做因果推断研究
skoularidou · x · 2026-09-16
- arXiv 论文 CausalSmith(Jiyuan Tan、Vasilis Syrgkanis)提出一个基于 Lean 证明助手的因果推断自动理论研究框架,解决「LLM 互审不可靠」问题:LLM 审稿人接近随机水平地接受或发现伪造论文。
- 核心思路:证明由程序检查而非人类审阅。作者构建 Causalean——面向因果推断的 Lean 基础库,含 8,179 条机器验证的定义与定理,借助语言模型辅助开发、人类设计审核。
- 围绕库构建自我改进的 agentic 流水线:自动选题、提出结果、形式化陈述、构造证明,并产出可供人类检查的工件;Lean 验证之外还配「陈述审计」,逐一比对形式化定理与背后的非形式化声明。
- 作者用完整自主研究运行产出的工件做系统评估;源码与形式化库开源。推荐者称其为对 agentic AI 与因果推断感兴趣者的必读之作。
所属事件:CausalSmith 用 Lean 全自动产出经验证的因果推断论文(2 条相关)→
「编程与Agent」频道最新
- 博主分享三步 AI 工作流自动化法：15 个手动步骤压缩为 8 个 AI skills — petergyang · 2026-09-16
- 朋友组团 vibe coding 私人聊天应用,复古老 Windows 风 UI 曝光 — floguo · 2026-09-16
- 谷歌开源 Dream-RSI:让 AI 在「做梦」中实现自我改进 — gekobraa · 2026-09-16
- 开源项目 cumora 爆火:让 agent 团队进群与人类协作 — tom_doerr · 2026-09-16
- EDSL 拟支持激活捕获与探针转向，服务 LLM 社会模拟研究 — soumitrashukla9 · 2026-09-16
- NoSpoon agent 全自动 15 分钟产出微短剧已日更数百集 — Kyrannio · 2026-09-16