面向树搜索的定理证明生成器直接优化
原文标题：Direct Optimization of Generators for Search in Automated Theorem Proving
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文将计算对齐训练（CAT）扩展到策略引导的树搜索场景，推导出可处理的、有轨迹支撑的损失函数，并提出搜索无关的均匀分配（UA）损失。两种方法都在每条策略的交叉熵梯度上施加标量权重。在 Lean 基准的六种搜索策略上，二者证明成功率均高于交叉熵，且预算扫描显示 CAT 能随测试时算力扩展。
- 问题
- 交叉熵损失与 LLM 在树搜索中作为引导策略的部署方式不匹配，证明发现依赖离轨探索。
- 方法
- 将计算对齐训练（CAT）扩展到策略引导树搜索，推导轨迹支撑损失，并提出搜索无关的均匀分配（UA）损失。
- 结果
- 在 Lean 基准六种搜索策略上证明成功率均高于交叉熵，16 次扩展时增益大于 256 次。
- 影响
- 做定理证明或树搜索推理的团队可换用 CAT/UA 损失，让模型随测试时算力提升而受益。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。