Caltech 演讲：用 Lean 形式化验证让 AI 数学推理可被信任
Cohere · youtube · 2026-10-09
Cohere 发布的学术报告中，Caltech 博士生 Robert Joseph George（师从 Anima Anandkumar）讨论如何用形式化方法让 AI 的数学与科学推理可被严格验证，而非只是看起来可信。
核心内容：
- TorchLean 框架：在 Lean 中实现经过验证的机器学习，覆盖神经网络执行、自动微分、浮点语义与神经网络验证
- FloatLib：形式化验证的浮点算术库
- 前沿应用：围绕 Navier–Stokes 与 Euler 方程的最新进展，以及其团队在 3D Euler 方程奇点形成与稳定性上的工作
- 愿景：AI、数值计算与形式验证结合，让 AI 成为数学发现的真正工具——提出想法、大规模计算、辅助证明，并最终独立验证产生的科学结论
报告获得 Caltech Graduate Fellowship、Harmonic AI 与 DARPA expMath 基金支持。
「研究」频道最新
- Perturb-seq 前进一大步:RNA fingerprinting 方法登上 Cell — anshulkundaje · 2026-10-10
- 30 天建 8000 平方英尺高通量湿实验室,AI 模型合成化合物杀死草地贪夜蛾 — aadityabuilds · 2026-10-10
- Snorkel 开放基准资助扩至 3000 万美元，Marin 负责人谈评测之道 — dlwh · 2026-10-10
- 计算生物学家讨论在潜空间重建关键生物变异轴 — anshulkundaje · 2026-10-10
- Success-Guided Sampling:纯仿真 RL 零样本实现精细机械臂装配 — kevin_zakka · 2026-10-10
- 单细胞扰动建模之争:表型读出比逐基因重构更关键 — fabian_theis · 2026-10-10