Исследователи проанализировали способность современных языковых моделей к совершению математических открытий, которые ранее считались нерешенными. В работе рассматривается потенциал LLM в генерации верифицируемых доказательств и поиске новых закономерностей. Авторы оценивают текущие успехи моделей в области формальной математики и определяют границы их автономности при решении задач, требующих глубокого логического вывода и креативного подхода.
Математическое доказательство требует не только высокой точности, но и способности к проверке каждого шага. Использование LLM в этой сфере смещается от простого поиска ответов к созданию формализованных доказательств, которые могут быть проверены программными средствами, такими как Lean или Isabelle. Это позволяет минимизировать риск галлюцинаций и обеспечивает строгую научную валидность полученных результатов.
Исследование подчеркивает, что интеграция моделей с системами автоматического доказательства теорем (ITP) открывает новые горизонты для математиков. Хотя модели еще не способны полностью заменить человека в поиске фундаментальных теорий, они становятся эффективными ассистентами, способными перебирать огромное количество комбинаторных вариантов и находить неочевидные связи в сложных математических структурах.
Ключевые факты
- Исследование сфокусировано на верифицируемых математических открытиях, выполненных с помощью LLM.
- Рассматривается методология использования формальных языков для проверки корректности выводов моделей.
- Анализируются ограничения текущих архитектур в задачах, требующих многошагового логического планирования.
- Работа представлена в рамках конференции ACL, что подчеркивает значимость NLP-методов в фундаментальной науке.