网易首页 > 网易号 > 正文 申请入驻

陶哲轩携AI再战数学!o4-mini秒怂弃赛,Claude 20分钟通关

0
分享至

新智元报道

编辑:桃子

【新智元导读】陶哲轩YouTube视频第二弹震撼来袭!这一次,他让AI挑战在Lean中形式化代数蕴含证明,结果Claude约20分通关,o4-mini太过谨慎直接「弃赛」。

3天后,陶哲轩YouTube视频二更来了。

这次,他尝试了一种更短、更概念化的证明版本,并测试Claude、o4-mini能否基于之前的非形式和形式证明,生成类似的形式化代码。

实验的核心是,在Lean中形式化同一个代数蕴含的证明。

此外,他还发文深入剖析了,自动化工具不同尺度上的效率表现,以及自动化与人工干预之间的微妙平衡。

Claude 20分完成,o4-mini弃题

最新实验中,陶哲轩围绕一个代数蕴含展开(algebraic implication):证明方程1689蕴含方程2。

录制前,他已进行了一次测试。

这里直接在Claude/o4-mini中粘贴prompt,然后附上非形式证明、形式证明、方程三个附件。

接下来,一起看看这两个模型具体表现如何?

Claude

实验中,Claude整体表现出色,能够快速将非形式证明的单行,转化为看似合理的Lean代码。

它生成了与之前形式化证明结构相似的代码,并成功定义了关键的幂函数。

然而,陶哲轩创建一个新文件,在Claude编译过程中,却发现错误——它假设从自然数1开始,而Lean中的自然数从0开始。

另外,Claude未能正确处理方程的对称性,比如x=(y·x)·z,导致了证明逻辑出现偏差。

尽管单行代码生成高效,但缺乏对整体结构的理解,使得错误诊断和修复变得困难。

通过人工干预,陶哲轩修复了这些问题,最终在20分钟内完成形式化。

o4-mini

相比之下,o4-mini表现得更为谨慎。

与Claude类似,o4-mini一上来也创建了一个幂函数,却胜过前者。

它正确识别了幂函数定义中的问题,magmas中没有单位元1,因此不能简单假设0=>x设置为等于1。

然而,o4-mini在关键时刻却选择了「放弃」,仅生成了部分证明代码,并在修复步骤中输出「抱歉」。

最终,o4-mini未能完成形式化证明。

陶哲轩表示,它的谨慎策略虽避免了严重错误,但也限制了其在复杂任务中的实用性。

有趣的是,o4-mini和Claude同样遇到了类似对称性问题,表明LLM在处理数学逻辑的细微差别时,存在共同的局限。

总之,整个实验目标看似简单,即让AI工具将人类可读的证明转化为Lean代码,并在证明助手中成功编译。

然而,陶哲轩的实验揭示了自动化的复杂性,尤其是在效率和正确性之间的平衡。

100%过度自动化,毁掉数学未来?

在长达一周的自动形式化实验中,陶哲轩得出了一个教训——

即使纯粹专注于效率,仅接受在证明助手中实际编译并产生预期结果的形式化,衡量效率的尺度现在也产生了显著差异。

在形式化数学证明过程中,效率可以从以下四个不同尺度衡量。

1. 单形式化:加快证明中任意一行的形式化

2. 单一引理形式化:加快形式化证明中的任一引理

3. 单一证明形式化:加快形式化定理的任一证明

4. 「整个教科书」形式化:加快形式化整个教科书的成果

每个尺度看似都在指向同一个目标:更快地完成形式化。然而,实际操作中,这些尺度的优化策略可能互相冲突。

陶哲轩以自己最近的实验为例,尝试用一些自动化工具,加速形式化过程。

我意识到,许多当前的自动化工具可以在其中一个尺度上加速形式化,但出乎意料的是,过度依赖此类工具可能会削弱在其他尺度上形式化的能力。

比如,依赖类型匹配工具canonical在「单行形式化」(尺度1)的任务中,表现出色。

它能快速解析,并生成正确的代码,在此过程中,陶哲轩几乎无需手动干预。

然而,当过于依赖canonical,盲目接受它对某一步的解析,并迅速进入下一步时,他发现自己逐渐失去了对证明整体结构的把握。

这导致了,在「引理形式化」(尺度2)上,诊断和修复错误变得更加困难,因为到了此刻,陶哲轩对证明步骤之间的联系缺乏深入的理解。

有趣的是,修复这些错误的过程,却让陶哲轩本人受益匪浅。

通过手动检查和调整,他逐渐理解了引理之间的作用,这反过来提升了其解决「单一证明形式化」(尺度3)任务的能力。

这种「意外收获」让他意识到,完全依赖自动化工具,可能会让自己错过对证明结构的深刻洞察,而这些这些洞察在更大尺度上至关重要。

陶哲轩认为结论是,「最优的自动化水平并不是100%,而是介于0%和100%之间的某个值」。

从每个尺度上来说,自动化工具应该被用来减少重复性的繁琐工作,但同时必须保留足够的人为干预,以审查和修复局部问题,从加深人类对所有尺度任务结构的理解。

更广义地看,如果我们100%依赖自动化工具解决所有任务,可能会失去对任务空间的熟悉度。

在面对中等,甚至高难度任务时,自动化工具可靠性下降,我们却可能因缺乏经验而束手无策。

值得警醒的是,过度聚焦于单一尺度的效率优化,可能会违背数学形式化的长远目标。

其终极目标,不仅是生成在证明助手中编译的代码,更是要创造一个灵活、可用、不断演变且富有启发性的形式化数学语料库。

参考资料:

https://mathstodon.xyz/@tao/114498906474280949

https://mathstodon.xyz/@tao/114501119350851281

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
杨瀚森为何总被DNP?开拓者老板给出答案,小杨努力融入送全队气泡水,只有莫兰德回礼,诺里只顾带卡尔森看电影

杨瀚森为何总被DNP?开拓者老板给出答案,小杨努力融入送全队气泡水,只有莫兰德回礼,诺里只顾带卡尔森看电影

詹妹侃体育
2026-11-18 18:37:03
武汉32岁女子和丈夫摆摊卖馄饨还债,此前开牛肉饭店9个月亏40万元,每周不定时收到催债电话,当事人:一步一个脚印总能翻身

武汉32岁女子和丈夫摆摊卖馄饨还债,此前开牛肉饭店9个月亏40万元,每周不定时收到催债电话,当事人:一步一个脚印总能翻身

极目新闻
2026-11-18 22:11:29
“感谢中方特殊安排”,特朗普又带着高规格代表团来了

“感谢中方特殊安排”,特朗普又带着高规格代表团来了

中国新闻周刊
2026-11-18 20:22:08
突发!黄仁勋黄乐最新消息曝光,大开眼界!

突发!黄仁勋黄乐最新消息曝光,大开眼界!

财经要参
2026-11-18 12:00:05
西方国家再怎么刻意疏远俄罗斯,到了深圳,还是要顾及中国的面子!卡尼出发来中国前,被问到会不会在深圳和普京同框拍照,他给出答复

西方国家再怎么刻意疏远俄罗斯,到了深圳,还是要顾及中国的面子!卡尼出发来中国前,被问到会不会在深圳和普京同框拍照,他给出答复

扶苏聊历史
2026-11-18 14:57:40
又是湘雅二院?挂着5项科研基金的论文拿虾滑冒充肿瘤!国家科研经费拿去给AI充会员了?

又是湘雅二院?挂着5项科研基金的论文拿虾滑冒充肿瘤!国家科研经费拿去给AI充会员了?

聊斋新志
2026-11-18 16:53:43
普京、特朗普等多国领导人抵达深圳

普京、特朗普等多国领导人抵达深圳

大风新闻
2026-11-18 20:53:16
英伟达,业绩“炸裂”!董事长强硬拒绝黄仁勋回归:已请猎头公司找接班人,“他辞职是自愿”!临时CEO:供应商和合作伙伴100%支持我们

英伟达,业绩“炸裂”!董事长强硬拒绝黄仁勋回归:已请猎头公司找接班人,“他辞职是自愿”!临时CEO:供应商和合作伙伴100%支持我们

每日经济新闻
2026-11-18 10:46:50
贵州省妇联原党组书记、主席涂妍被公诉,曾被批利用职务便利为他人在项目推进、工程款拨付等方面提供帮助

贵州省妇联原党组书记、主席涂妍被公诉,曾被批利用职务便利为他人在项目推进、工程款拨付等方面提供帮助

大风新闻
2026-11-18 17:33:02
无锡市委书记蒋锋,添新职

无锡市委书记蒋锋,添新职

上观新闻
2026-11-18 18:51:23
四川出名了!游客曝在绵阳1600的烤全羊剥不出1两肉,真相揭开

四川出名了!游客曝在绵阳1600的烤全羊剥不出1两肉,真相揭开

西昆仑Bruce
2026-11-18 18:49:12
APEC欢迎仪式对比,日媒酸了

APEC欢迎仪式对比,日媒酸了

凤眼论
2026-11-18 21:07:04
开心到拍大腿,排面拉满特朗普非常高兴,简直是超高规格接待

开心到拍大腿,排面拉满特朗普非常高兴,简直是超高规格接待

三叔的装备空间
2026-11-18 19:28:04
兰州监狱服刑者非正常死亡案再审一审宣判:四狱警分别被判处有期徒刑11年6个月、5年、5年、5年,“疑点利益”不归“毁尸灭迹”者

兰州监狱服刑者非正常死亡案再审一审宣判:四狱警分别被判处有期徒刑11年6个月、5年、5年、5年,“疑点利益”不归“毁尸灭迹”者

大风新闻
2026-11-18 14:36:05
7天内不撤回中国诉讼,每天罚500万欧元,封顶3亿!闻泰科技和安世已经从董事会吵架,升级成了一场按天计费的法律围猎

7天内不撤回中国诉讼,每天罚500万欧元,封顶3亿!闻泰科技和安世已经从董事会吵架,升级成了一场按天计费的法律围猎

扶苏聊历史
2026-11-18 11:21:53
美国总统第一次来深圳,迎接特朗普的不是几句漂亮口号

美国总统第一次来深圳,迎接特朗普的不是几句漂亮口号

迷彩人生
2026-11-17 22:06:48
65岁刘德华自曝每天吃6颗鸡蛋,吃素13年曾迷上咖啡:每天喝20杯

65岁刘德华自曝每天吃6颗鸡蛋,吃素13年曾迷上咖啡:每天喝20杯

开开森森
2026-11-16 20:46:35
谁都没想到,APEC大佬云集的会场,最扎眼的竟是董明珠的一个动作

谁都没想到,APEC大佬云集的会场,最扎眼的竟是董明珠的一个动作

不写散文诗
2026-11-18 13:55:13
2026年度中央安全生产考核巡查启动

2026年度中央安全生产考核巡查启动

齐鲁壹点
2026-11-18 19:21:10
追上特朗普专机,马斯克又来了

追上特朗普专机,马斯克又来了

中国新闻周刊
2026-11-18 21:46:31
2026-11-18 23:04:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16711文章数 67239关注度
往期回顾 全部

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

追上特朗普专机 马斯克又来了

头条要闻

追上特朗普专机 马斯克又来了

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

本地
旅游
家居
手机
公开课

本地新闻

乌兰察布:以前种土豆,现在种Token

旅游要闻

昆明这个老码头好在!让你在家门口体验海滨度假

家居要闻

2026建博会(广州) 公装联探展交流活动

手机要闻

华为引爆阔直板手机!友商纷纷下场,但很可能会集体踏空?

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版