做网站图片如何不转下一行,无忧企业网站系统,ensp企业网络拓扑图,恩施seo快速排名谷歌旗下的AI研究机构DeepMind和纽约大学的研究人员联合开发了一个AI模型——AlphaGeometry。
AlphaGeometr是一种神经符号模型,内置了大语言模型和符号推理引擎等功能,主要用于解决各种超难几何数学题#xff0c;同时可以自动生成易于查看的解题原理。
为了验证AlphaGeomet…谷歌旗下的AI研究机构DeepMind和纽约大学的研究人员联合开发了一个AI模型——AlphaGeometry。
AlphaGeometr是一种神经符号模型,内置了大语言模型和符号推理引擎等功能,主要用于解决各种超难几何数学题同时可以自动生成易于查看的解题原理。
为了验证AlphaGeometr的性能研究人员使用了正规国际奥数比赛的规则对其进行测试。
结果显示AlphaGeometry 在官方奥林匹克竞赛时间限制下正确解决了30道题中的25 道接近人类金牌得主的25.9道。
而之前最先进的模型只能解决30道中的10道题。AlphaGeometry成为目前功能最强的解决几何难题模型。 论文地址https://www.nature.com/articles/s41586-023-06747-5?refmaginative.com
AlphaGeometry的核心技术创新在于破除了定理证明对人类证明示例数据的严重依赖。
数学定理证明一直是检验逻辑思维和问题求解能力的关键任务一直是AI研究的重要方向。尽管当前机器学习方法在许多领域取得长足进步,但是面对大部分数学任务仍然束手无策。
主要原因是翻译人类证明样本到机器可验证的格式是极其耗时、耗力的这在几何证明中尤其突出,翻译难度加大导致了严重的数据稀缺。
AlphaGeometry通过大规模随机生成几何定理和相应的证明来解决数据稀疏的问题,产生了上亿组训练数据。 具体来说,AlphaGeometry 首先使用图形构建语言随机生成大量候选定理陈述,然后利用符号演绎引擎(如演绎数据库 DD)推导出所有可能的新结论,递归地回溯每个新结论所依赖的前提,提取出最小依赖集作为该定理的证明。 为了扩大证明的范围,除了纯符号演绎,该方法还通过代数推理引擎新增了许多依赖代数操作的证明步骤。最终得到了大约1亿组合成的定理证明训练数据。
在获得大规模训练数据后,AlphaGeometry使用 Transformer 大语言模型进行预训练,学习预测证明的序列。
此外,它还进行了针对性微调,集中优化辅助构造的生成。以解决几何证明中一个关键难题,定理证明中的外生项生成问题。 在实际应用时,AlphaGeometry采用了交互式的神经符号框架。简单来说,大语言模型会首先生成一组辅助构造候选,然后符号引擎基于新构造判断定理是否得证。
如果仍未成功,则迭代上述流程,语言模型会在更丰富的上下文中生成新的辅助构造候选。
这个框架设计的非常巧妙,大语言模型负责开拓解空间,提出新的假设,而符号引擎则保证精确正确的推理。完美地结合神经网络的创造力和符号系统的解释性、精确性。 AlphaGeometry基本解决了几何定理证明领域数据稀疏的关键难题,开创了不依赖人类证明示例、利用合成数据训练AI模型的创新方法。
本文素材来源AlphaGeometry论文如有侵权请联系删除
