論文の概要: MECA: A Mechanism-Centered Agent for Constructing Well-Specified and Valuable Mathematical Conjectures
- arxiv url: http://arxiv.org/abs/2607.27709v1
- Date: Thu, 30 Jul 2026 05:44:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.407199
- Title: MECA: A Mechanism-Centered Agent for Constructing Well-Specified and Valuable Mathematical Conjectures
- Title（参考訳）: メカ(MECA) : 高度に特定・評価可能な数学的概念構築のためのメカニズム中心型エージェント
- Abstract要約: 既存の未解決問題や予想の多くは、あまりにも広すぎる、不特定でない、あるいは妥当な証明や難読化戦略に結びつくのが難しい。
本稿では,候補文とその支援機構を共同で開発し,予測を構成するマルチエージェントフレームワークMECAを提案する。
文献由来のシードと既存のオープンな問題から100の半開問題を構築し、自動プローバーによる独立した証明と反響試行を通じて評価する。
- 参考スコア（独自算出の注目度）: 10.665021721543729
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatically constructing well-specified and valuable mathematical conjectures remains a central challenge in AI-assisted mathematical discovery. Many existing open problems and conjectures are often too broad, underspecified, or difficult to connect to plausible proof or refutation strategies. We view a mathematical mechanism as a structure or reasoning principle that connects the assumptions of a candidate problem to its target conclusion, such as an inequality, invariant, decomposition, or reduction to an intermediate claim. We present MECA (MEchanism-centered Conjecture Agent), a multi-agent framework that constructs conjectures by jointly developing candidate statements and their supporting mechanisms. Explorer agents propose mechanisms, test how they apply, and revise the candidate conjecture accordingly, while critic agents assess their mathematical validity and research value. Their feedback guides changes to the assumptions, scope, and conclusion. Through this process, MECA transforms broad research directions into precise conjectures with substantive mathematical support while retaining a clearly identified unresolved core. We evaluate MECA in two complementary settings. First, we compare it with a generate-and-revise baseline on reconstructing preselected target-paper conclusions from target-conditioned but article-blind source materials. Second, we construct 100 semi-open problems from literature-derived seeds and existing open problems and evaluate them through independent proof and refutation attempts by automated provers. Our results indicate that mechanism-centered refinement produces well-specified and research-worthy conjectures that remain challenging for current automated provers.
- Abstract（参考訳）: 適切に特定され、価値のある数学的予想を自動で構築することは、AIによる数学的発見における中心的な課題である。
既存の多くの開問題や予想は、しばしば広すぎる、不特定でない、あるいは証明や反証戦略に結びつくのが困難である。
我々は、数学的メカニズムを、不等式、不変性、分解、あるいは中間クレームへの還元のような、候補問題の仮定と対象の結論とを結びつける構造または推論原理とみなす。
本稿では,MECA(Mechanism-centered Conjecture Agent)について述べる。
エクスプローラーエージェントはメカニズムを提案し、どのように適用するかテストし、それに従って候補予想を修正し、批評家エージェントはその数学的妥当性と研究価値を評価する。
彼らのフィードバックは、仮定、スコープ、結論に変化を導く。
この過程を通じて、MECAは広い研究方向を、明確な未解決コアを維持しながら、実質的な数学的支援を伴う正確な予想に変換する。
我々はMECAを2つの相補的な設定で評価した。
まず, 目標条件付, 記事盲点の資料から選択した対象紙の結論を再構成するための, 生成・修正ベースラインと比較する。
第2に、文献由来のシードと既存のオープンな問題から100個の半開問題を構築し、自動プローバによる独立証明と難読化の試みを通じて評価する。
この結果から, 機構中心の洗練は, 現在の自動プロデューサにとって依然として困難である, 十分に特定され, 研究に値する予想を生み出すことが示唆された。
関連論文リスト
- Autonomous Chemical Mechanistic Discovery through Agentic Reasoning and Validation [46.063922326510855]
ARCHEは汎用推論モデル、ドメイン特化計算化学モデル、構造化ツールレジストリを統合する自律エージェントシステムである。
科学的な疑問を解釈し、機械論的な仮説を生成し、計算の選択性を編成し、計算された証拠に基づいて結論を反復的に洗練する。
エージェント推論と厳密な計算検証を結合することにより、ARCHEは自律的な機械学的な発見を進め、より広範な機械支援化学研究の基礎を確立する。
論文 参考訳（メタデータ） (2026-09-10T06:49:24Z) - HiEviDR-Bench: A Benchmark for Hierarchical Evidence Aggregation in Deep Research [52.87128503345243]
我々は,Deep Researchにおける階層的エビデンス・アグリゲーションを評価するためのベンチマークであるHiEviDR-Benchを紹介する。
HiEviDR-Benchは、エビデンスの選択、クロスソースリンク、アグリゲーションをキャプチャする明示的なエビデンスグラフを持つ各インスタンスを表す。
報告品質,エビデンストレーサビリティ,引用精度,クレーム検証,回答正当性という5次元のトレーサビリティ指向評価フレームワークを開発した。
論文 参考訳（メタデータ） (2026-07-27T23:50:46Z) - MathCoPilot: An Interactive System for Human-AI Symbiotic Paradigm of Mathematical Research [62.221184989046826]
MathCoPilotは、数学研究のための新しいAI共生パラダイムを具現化したループシステムである。
MathCoPilotは3つのコア機能を統合する: 証明をナビゲート可能なステップに分解するインタラクティブな証明青写真、適応的な知識ベース検索とリーン統合された反復検証を備えた自動証明スキルオーケストレーション、トピック駆動の紙検索と自動形式化を検証可能なリーン知識ベースに統合する。
論文 参考訳（メタデータ） (2026-07-16T05:22:40Z) - From Solvers to Research: Large Language Model-Driven Formal Mathematics at the Research Frontier [109.93387172162984]
AI4Mathシステムの次の飛躍は、事前に定義された問題解決者から研究エージェントへの決定的なシフトを必要とする。
この分野の体系的なレビューを行い、データセット、自動形式化、証明合成について紹介する。
論文 参考訳（メタデータ） (2026-07-08T17:46:36Z) - Artificial Intelligence for Mathematical Reasoning: An Integrated Survey of Language Models, Neuro-symbolic Systems, and Verified Discovery [3.9943798586374784]
この調査は、この分野の進化の統一的な説明を提供する。
i)テキストや図面に対する非公式な推論、MWPの解法、マルチモーダル幾何、RLMの解法、(ii)自動形式化、戦術予測、コンパイラ誘導修理、証明探索を含む証明アシスタントの形式的推論、(iii)システム構築の提案、境界の改善、オープンな問題に対する攻撃を支援する数学的発見、(iv)CoTプロンプト、ツールの使用、プロセス報酬モデル、VLVRなど、推論およびトレーニング時のテクニック。
論文 参考訳（メタデータ） (2026-06-07T16:50:07Z) - Position: Anthropomorphic Misalignment Research Needs Stronger Evidence [52.76826423649968]
概念的曖昧さ,非ロバストデータセット,実験設計,不十分な因果的介入が,モデル行動の過度な解釈につながることを示す。
本研究の目的は,AMRの方法論的厳密性向上に寄与する明らかな考察のガイダンスを提供することである。
論文 参考訳（メタデータ） (2026-05-29T16:38:53Z) - Formal Conjectures: An Open and Evolving Benchmark for Verified Discovery in Mathematics [9.38309744591661]
フォーマル・コンジェクチャ(Formal Conjectures)は、Lean 4.0で形式化された2615の数学的問題文の進化ベンチマークである。
このデータセットは、数学的な証明発見のためのゼロ汚染ベンチマークを提供する1029のオープンリサーチ予想を特徴としている。
我々は,これらの形式化の正しさを保証するためのアプローチを,アクティブなコミュニティからのコントリビューションを生かしたオープンソースプロジェクトとして紹介する。
論文 参考訳（メタデータ） (2026-05-13T08:33:15Z) - Explaining the "Why": A Unified Framework for the Additive Attribution of Changes in Arbitrary Measures [9.511180482257737]
協調ゲーム理論の強力なレンズを通して帰属を再構築する原理的枠組みを導入する。
我々の重要な貢献は、その数学的構造に基づく尺度の分類である。
多面的評価により,フレームワークの優位性を実証する。
論文 参考訳（メタデータ） (2026-04-29T03:49:54Z) - Automated Conjecture Resolution with Formal Verification [21.763678203045973]
本研究では,研究レベルの数学的問題に対処するためのフレームワークを提案する。
我々のフレームワークは、非公式な推論エージェントであるRethlasと、正式な検証エージェントであるArchonの2つのコンポーネントで構成されている。
このフレームワークを使用することで、可換代数におけるオープンな問題を自動で解決し、人間による関与なしにLean 4における結果の証明を正式に検証します。
論文 参考訳（メタデータ） (2026-04-04T16:35:16Z) - Deconstructing Multimodal Mathematical Reasoning: Towards a Unified Perception-Alignment-Reasoning Paradigm [82.57296908195654]
MMR(Multimodal Mathematical Reasoning)は、テキストと視覚の両方のモダリティを含む数学的問題を解く能力に注目が集まっている。
現在のモデルは、実世界の視覚数学のタスクにおいて大きな課題に直面している。
論文 参考訳（メタデータ） (2026-03-09T12:11:00Z) - 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) - GeoBench: Rethinking Multimodal Geometric Problem-Solving via Hierarchical Evaluation [48.04396968707237]
幾何学的問題解決における4つの推論レベルを特徴とする階層型ベンチマークであるGeoBenchを提案する。
属性抽出から論理的誤り訂正まで,様々な機能を体系的に評価する。
これらの結果はGeoBenchを総合的なベンチマークとして確立し、幾何学的問題解決システムを開発するための実用的なガイドラインを提供する。
論文 参考訳（メタデータ） (2025-12-30T09:56:37Z) - Exploring Syntropic Frameworks in AI Alignment: A Philosophical Investigation [0.0]
AIアライメントは、プロセスベース、マルチエージェント、開発メカニズムを通じて、シントロピックで理由対応のエージェントを設計するものとして再認識されるべきである、と私は主張する。
コンテンツベースの値仕様が構造的に不安定なように見える理由を示す、仕様トラップの議論を明確にする。
マルチエージェントアライメントのダイナミクスを理解するための情報理論の枠組みとして, シントロピーを提案する。
論文 参考訳（メタデータ） (2025-11-19T23:31:29Z)
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。