本论文提出了基于机器学习的前提选择方法,通过构建依赖关系知识库并提出核方法的前提选择算法,在大型数学理论证明中实现了50%的性能提升。
Aug, 2011
该论文介绍了自动推理的Mizar(MizAR)服务,该服务将多种自动推理,人工智能和表现工具与Mizar及其编写环境集成在一起。服务基于Mizar语言到一阶ATP系统语言的良好转换,并依赖于在包含数万个可用事实的大型理论应用ATP系统的最新进展。
Sep, 2011
该论文结合Flyspeck项目中的数学知识与机器学习方法,提出一种能够自动回答数学问题的人工智能系统,并在评估中表现出较高的效率。该系统的实现涉及到HOL Light逻辑的转换以及机器学习的选择和集成。
Nov, 2012
HOL(y)Hammer 是一个基于HOL Light编码的在线人工智能/自动定理证明(ATP)服务,提供自动处理基于HOL Light的任意正式开发项目和攻击上传项目的任意猜想的功能。
Sep, 2013
本文初步探讨了在ACL2系统上使用外部ATP进行实验的情况,旨在为解决ACL2问题提供外部推理和人工智能系统的初步效用评估。
Jun, 2014
利用深度学习技术来辅助自动的定理证明,通过对Mizar库的证明进行数据训练和选择处理,改进ATP的证明搜索引导,从而大幅度减少证明搜索的步骤和提高定理的证明率。
Jan, 2017
我们发展出了一种AI/TP系统,通过使用基于学习的前提选择方法和增量训练方法,可以自动验证大量Mizar定理,证明效率高达60%和75%。
Mar, 2023
MLFMF 是一个数据集合,用于评估用于支持证明助手形式化数学的推荐系统的性能,数据集包含了来自 Agda 或 Lean 证明助手中的形式化数学库,提供了网络结构和语法树表示两种方式,可用于机器学习方法在形式化数学中的进一步研究和评估。
Oct, 2023
利用自动定理证明方法解决国际数学奥林匹克竞赛(IMO)几何问题的研究中,AlphaGeometry模型与Wu的方法的结合超越了IMO金牌得主的表现,解决了30个问题中的27个。
Apr, 2024
本文使用数种ATP和AI方法证明了3000多个以前未证实的Mizar/MPTP问题,并将ATP解决的Mizar问题的数量从75%提高到80%以上。我们首先尝试了cvc5 SMT求解器,并使用了几个和超级位置系统不同的基于实例化的启发式方法,从而增加了很多新的解决方案。然后,我们使用自动化策略发明来开发cvc5的策略,大大提高了cvc5在困难问题上的性能。总之,这些方法解决了14163个以前未解决的难题中的3021个(21.3%),这是对Mizar大型理论基准的新里程碑和对Mizar的强化。
Jun, 2024