NYU 定义定理「有趣度」指标,训练 27B 模型自动发现数学
nyuniversity · hf · 2026-09-26
NYU 团队提出量化「定理有趣度」的框架:将一个定理的内在有趣度定义为证明长度与陈述长度之比,并证明该指标与定理下游实用性高度相关。
- 核心原语是「给定前提条件下证明的难度」,团队训练了一个 27B 模型来预测证明难度,准确度超过前沿通用模型
- 按该指标优化后,模型产出的定理与 Mathlib 库的大量/完全重合率从 91.9% 降至 30.6%,生成更多分布外的新数学
- 系统可生成候选定理、筛选最有趣者,并迭代扩展一个自增长的数学库
- 为在形式化数学库中排序猜想、引导证明搜索提供了可量化的实用信号,通向无需人类指定目标、机器自验证的数学库
所属事件:NYU 提出定理「有趣度」指标，LLM 自主发现数学(3 条相关)→
「研究」频道最新
- 开源 4B 决策模型 Mica 玩俄罗斯方块完胜同规格对手 — Top-Evidence174 · 2026-09-26
- 被 AI 抢发论文：物理学家团队称成果遭 Anthropic 撞车 — soumitrashukla9 · 2026-09-26
- 4B 模型零文本生成，23 步在 Minecraft 里摸到铁镐 — Top-Evidence174 · 2026-09-26
- 4B 决策模型 Mica 开源：8GB 显卡可跑，训练成本不到 30 美元 — Top-Evidence174 · 2026-09-26
- 定点自注意力 FPSA 获 NeurIPS 2026 接收，不改参数迭代精炼上下文 — PlisSergey · 2026-09-26
- Salesforce 发布 SFR-AutoR&D：AI agent 自主跑通研发全流程 — silviocinguetta · 2026-09-26