論文の概要: Bolzano: Case Studies in LLM-Assisted Mathematical Research

• arxiv url: http://arxiv.org/abs/2604.16989v2
• Date: Fri, 24 Apr 2026 09:39:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.189255
• Title: Bolzano: Case Studies in LLM-Assisted Mathematical Research
• Title（参考訳）: ボルザーノ : LLM支援数学研究の事例研究
• Authors: Martin Balko, Jan Grebík, Pavel Hubáček, Martin Koutecký, Matěj Kripner, Václav Rozhoň, Robert Šámal, Adrián Zámečník,
• Abstract要約: Bolzano はオープンソースのマルチエージェント LLM システムである。 Bolzanoは、永続的な知識ベースを維持しながら、並列証明エージェントと検証エージェントの間の相互作用のラウンドをオーケストレーションする。 8つのうち6つが出版可能な研究水準に達し、8つのうち5つがボルザーノによって事実上自律的に生産された。
• 参考スコア（独自算出の注目度）: 0.9495929024167086
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We report new results on eight problems in mathematics and theoretical computer science, produced with the assistance of Bolzano, an open-source multi-agent LLM system. Bolzano orchestrates rounds of interaction between parallel prover agents and a verifier agent while maintaining a persistent knowledge base that is carried across rounds. Classified using the significance-autonomy taxonomy of Feng et al., six of the eight results reach the level of publishable research, and five of the eight were produced essentially autonomously by Bolzano. Our results provide evidence that LLMs can contribute meaningfully to mathematical research, complementing recent reports by Bubeck et al., Woodruff et al., and others.
• Abstract（参考訳）: 我々は,オープンソースのマルチエージェントLLMシステムであるBolzanoの助けを借りて,数学と理論計算機科学の8つの問題に関する新たな結果を報告する。 ボルザーノは、並列証明エージェントと検証エージェントとの相互作用のラウンドを編成し、ラウンドにまたがる永続的な知識ベースを維持している。 Feng et al の意義・自律性分類を用いて分類され、8つのうち6つが出版可能な研究水準に達し、8つのうち5つがボルザーノによって本質的に自律的に生産された。 この結果は, ブベックらによる最近の報告, Woodruffらによる報告を補完し, LLMsが数学的研究に有意義に寄与することを示すものである。

関連論文リスト

• Can LLM generate interesting mathematical research problems? [5.836029794016965]
  我々は未知の問題を発生させるエージェントを開発し、微分幾何学における665の研究問題を発生させる。 人間の検証により、これらの数学的問題の多くは専門家には未知であり、独自の研究価値を持っていることが判明した。
  論文  参考訳（メタデータ） (2026-03-19T12:02:42Z)
• Towards Autonomous Mathematics Research [48.29504087871558]
  Aletheiaは、自然言語のエンドツーエンドの解を反復的に生成し、検証し、修正する数学研究エージェントである。 具体的には、AletheiaはGemini Deep Thinkの高度なバージョンで、推論の問題に挑戦している。 我々は、オリンピアード問題から博士レベルのエクササイズまで、AI支援数学研究におけるいくつかのマイルストーンを通じて、アレクシアを実証する。
  論文  参考訳（メタデータ） (2026-02-10T18:50:15Z)
• Towards Advanced Mathematical Reasoning for LLMs via First-Order Logic Theorem Proving [14.569345246475509]
  大規模言語モデル(LLM)は、有望な一階述語論理(FOL)推論能力を示している。 しかし、多段階のFOL還元を含む複雑な数学的推論におけるそれらの効果はいまだ研究されていない。 LLMの生成戦略の多様性と再現性を向上する自己適応型ソリューションであるDREAMを提案する。
  論文  参考訳（メタデータ） (2025-06-20T16:09:56Z)
• MLRC-Bench: Can Language Agents Solve Machine Learning Research Challenges? [66.87201770167012]
  MLRC-Benchは、機械学習(ML)リサーチコンペティションの挑戦において、言語エージェントがいかに効果的に対処できるかを定量化するために設計されたベンチマークである。 MLRC-Benchは以前の研究とは異なり、新しい研究手法を提案し、実装する上で重要なステップを計測する。 最も優れた試験薬でさえ、ベースラインとトップヒューマンのスコアの差の9.3%しか閉じていない。
  論文  参考訳（メタデータ） (2025-04-13T19:35:43Z)
• Accessing GPT-4 level Mathematical Olympiad Solutions via Monte Carlo Tree Self-refine with LLaMa-3 8B [48.45472563225202]
  本稿では,大規模言語モデル (LLM) とモンテカルロ木探索 (MCTS) を革新的に統合した MCT Self-Refine (MCTSr) アルゴリズムを提案する。 このアルゴリズムは、セレクション、自己定義、自己評価、バックプロパゲーションの反復的なプロセスを通じてモンテカルロ探索木を構築する。 大規模な実験は、オリンピアードレベルの数学問題の解法におけるMCTSrの有効性を示す。
  論文  参考訳（メタデータ） (2024-06-11T16:01:07Z)
• math-PVS: A Large Language Model Framework to Map Scientific Publications to PVS Theories [10.416375584563728]
  本研究では,大規模言語モデル(LLM)の高度な数学的概念の定式化への適用性について検討する。 我々は、研究論文から数学的定理を抽出し、形式化する、Emphmath-PVSと呼ばれる自動過程を構想する。
  論文  参考訳（メタデータ） (2023-10-25T23:54:04Z)
• SciBench: Evaluating College-Level Scientific Problem-Solving Abilities of Large Language Models [70.5763210869525]
  拡張ベンチマークスイートSciBench for Large Language Model (LLM)を導入する。 SciBenchには、数学、化学、物理学の分野から、さまざまな大学レベルの科学的問題を含むデータセットが含まれている。 その結果、現在のLLMは満足のいく性能を達成できないことが判明し、全体のスコアは43.22%に過ぎなかった。
  論文  参考訳（メタデータ） (2023-07-20T07:01:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。