📄ArXiv AI•近期收集於 21h
AutoGraphForge 自動化圖論發現
#graph-theory#formal-verificationautographforgeautographforgedeepseek-prover-v2-671boprover-32blean 4graffiti3
💡了解 AI 如何結合圖搜尋、反例與 Lean 驗證，生成更可信的數學猜想。
⚡ 30-Second TL;DR
有什麼變化
採用反例導向的多輪流程，由 Graffiti3 根據小型且持續演化的圖不變量資料表生成猜想。
為什麼重要
AutoGraphForge 展示了一條可擴展的 AI 輔助數學發現路徑，將經驗式搜尋與可由機器檢查的證明結合。若完整流程能證明可靠，將協助研究人員探索龐大的猜想空間，同時降低接受未經支持的 AI 生成主張之風險。
下一步行動
在信任神經定理證明器輸出前，先結合圖不變量生成、反例搜尋與 Lean 4 核心檢查，建立一個小型 AutoGraphForge 式流程原型。
誰應關注：Researchers & Academics
關鍵要點
- •採用反例導向的多輪流程，由 Graffiti3 根據小型且持續演化的圖不變量資料表生成猜想。
- •使用約 348,000 個圖測試候選猜想，資料涵蓋 House of Graphs、圖的完整普查、極值圖族與隨機模型。
- •透過線性規劃與符號替換，使用 559 條經典及民間關係組成的新穎性篩選器。
- •將通過篩選的猜想轉換為 Lean 4 陳述骨架，並使用固定版本的 mathlib4 進行核心驗證。
- •整合 DeepSeek-Prover-V2-671B 與 OProver-32B 作為神經證明候選器，再交由獨立形式驗證檢查。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ArXiv AI ↗
每週 AI 簡報
每週一封，可隨時退訂。