← 返回精选
arXiv精选AI 评分  85

MathAgent 研究何时结构化数学知识真正帮助 Lean 神经定理证明

MathAgent 构建 MathKG,将 Mathlib 定理和定义连接成带类型的语义知识图谱,并在五个模型、四种 augmentation 模式上做 controlled ablation。论文报告 Lean specialization 的收益远大于任何单一 augmentation,同时知识图谱帮助小模型却可能伤害大模型;但不同 context 模式在题目层面具有明显互补性,oracle 选择可进一步提升困难 benchmark 的 solve rate。

推荐理由:它没有停留在“加检索是否涨分”的单点比较,而是用能力分层和四路 ablation 展示 augmentation 的条件性与互补性,对设计自适应 theorem-proving agents 和检索策略有直接方法学价值。
阅读原始来源 ↗