論文の概要: LANTERN: Illuminating Hidden Mathematical Knowledge in Language Models

• arxiv url: http://arxiv.org/abs/2609.32264v1
• Date: Sat, 26 Sep 2026 05:39:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 18:19:13.853943
• Title: LANTERN: Illuminating Hidden Mathematical Knowledge in Language Models
• Title（参考訳）: LANTERN:言語モデルにおける隠れた数学的知識のイルミネーション
• Abstract要約: 候補関係をランク付けする高速で費用効率のよいパイプラインであるLANTERNを開発した。 LANTERNは1万の頻繁に参照されるシーケンスのうち、5000万ペアをランク付けした。 既存のOEISクロスレファレンスを使わずに62の検証された関係を作成した。
• 参考スコア（独自算出の注目度）: 13.67757408214475
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Language models can now prove theorems, but people still decide which problems to pursue. We ask whether a model's internal representations can help identify promising mathematical connections. We develop LANTERN, a fast, cost-efficient pipeline that uses a classifier over pretrained-model activations to rank candidate relations, followed by staged filtering, hypothesis generation, executable verification, and analytical checking. Applied to the On-Line Encyclopedia of Integer Sequences (OEIS), LANTERN ranked 50 million pairs among 10,000 frequently referenced sequences and produced 62 verified relations between pairs without an existing OEIS cross-reference. A content screen retained 13 relations worth presenting; nine of these are informative or insightful, including four which are entirely novel to the best of our knowledge: none appears in the OEIS or in our targeted literature search. The entire end-to-end process including classifier training, candidate ranking, filtering and verification took under 8 hours.
• Abstract（参考訳）: 言語モデルは今や定理を証明できるが、どの問題を追求するかはいまだに決定されている。 モデルの内部表現が有望な数学的関係の特定に役立つかどうかを問う。 我々は,事前訓練されたモデルアクティベーション上の分類器を用いて,候補関係のランク付けを行う高速で費用効率のよいパイプラインLANTERNを開発し,続いてステージ付きフィルタリング,仮説生成,実行可能検証,解析的検証を行う。 On-Line Encyclopedia of Integer Sequences (OEIS)に適用されたLANTERNは、1万の頻繁に参照されるシーケンスのうち5000万対をランク付けし、既存のOEISの相互参照なしで62の検証された関係を作成した。 コンテンツ画面は13の関連性を保持しており、そのうち9つは情報的または洞察的であり、うち4つは私たちの知識のすべてに全く新しいもので、OEISや対象とする文献検索には表示されない。 分類器のトレーニング、候補ランキング、フィルタリング、検証を含むエンドツーエンドのプロセスは8時間以内に完了した。

関連論文リスト

• Learning Multimodal Embeddings with Evidence-Aligned Readout [16.128680823646608]
  EviAlignはセマンティック・エビデンス・ジェネレーションとバウンダリ・リードアウトを共有マルチモーダルな大言語モデルで結合する。 証拠を5つの意味単位に整理し、各単位境界における文脈化された状態を読み出し、これらの状態を単一の正規化された埋め込みに集約する。 管理された$2times3$の研究は、3つの読み出し戦略の一貫性と順応したエビデンス組織を比較している。
  論文  参考訳（メタデータ） (2026-09-27T15:20:31Z)
• SIN-Bench: Tracing Native Evidence Chains in Long-Context Multimodal Scientific Interleaved Literature [92.88058660627678]
  FITO(Fish-in-the-Ocean)パラダイムは、科学文書の中に明確なクロスモーダルなエビデンスチェーンを構築するモデルを必要とする。 我々は、証拠発見(SIN-Find)、仮説検証(SIN-Verify)、接地QA(SIN-QA)、エビデンスアンコレッド合成(SIN-Summary)の4つのプログレッシブなタスクでSIN-Benchを構築する。 検証可能なアンカーに基づき、マッチング、関連性、論理による証拠品質の診断を行う際に、予測値を評価する「No Evidence, No Score」を導入する。
  論文  参考訳（メタデータ） (2026-01-15T06:25:25Z)
• LeanCat: A Benchmark Suite for Formal Category Theory in Lean (Part I: 1-Categories) [7.871706113805829]
  LeanCatは、カテゴリ理論の形式化のためのリーンベンチマークである。 パート I: 1-カテゴリには、完全に形式化されたステートメントレベルのタスクが100個含まれています。 Part II: LeanBridgeはLeanExploreを使ってMathlibを検索し、単一モデルベースラインに対する一貫した利得を観察します。
  論文  参考訳（メタデータ） (2025-12-31T11:33:29Z)
• Cite Pretrain: Retrieval-Free Knowledge Attribution for Large Language Models [44.31597857713689]
  最初の段階でActive Indexingを導入し、一般化可能なソースアンコールバインディングを作成します。 Qwen-2.5-7B&3Bの実験は、アクティブインデックスがパッシブインデックスのベースラインを一貫して上回っていることを示している。 内部の引用は、モデルを検索ノイズに対してより堅牢にすることで、外部の引用を補完する。
  論文  参考訳（メタデータ） (2025-06-21T04:48:05Z)
• Navigating Semantic Relations: Challenges for Language Models in Abstract Common-Sense Reasoning [5.4141465747474475]
  大規模言語モデル(LLM)は、人間のようなテキストを生成し、適度な複雑さの問題を解くことで、顕著な性能を達成した。 概念ネット知識グラフを用いて,LLMにおける抽象的常識推論を体系的に評価する。
  論文  参考訳（メタデータ） (2025-02-19T20:20:24Z)
• MUSTARD: Mastering Uniform Synthesis of Theorem and Proof Data [85.50740598523818]
  MUSTARDは、高品質で多様性のある定理と証明データの均一な合成をマスターするフレームワークである。 5,866個の有効なデータポイントを持つMUSTARDSAUCEベンチマークを示す。 我々は広範囲な解析を行い、MUSTARDが検証された高品質なステップバイステップデータを生成することを示す。
  論文  参考訳（メタデータ） (2024-02-14T05:57:58Z)
• In-Context Language Learning: Architectures and Algorithms [73.93205821154605]
  我々は、文脈言語学習(ICLL)において、私たちが用語する新しいモデル問題群(英語版)のレンズを通してICLを研究する。 我々は,通常のICLLタスクにおいて,多種多様なニューラルシーケンスモデルを評価する。
  論文  参考訳（メタデータ） (2024-01-23T18:59:21Z)
• Stretching Sentence-pair NLI Models to Reason over Long Documents and Clusters [35.103851212995046]
  自然言語推論(NLI)は,文ペア間の意味的関係を推定するフレームワークとして,NLPコミュニティによって広く研究されている。 我々は、NLIモデルの実アプリケーションへの直接ゼロショット適用性について、訓練された文ペア設定を超えて検討する。 本研究では,ContractNLIデータセット上で,フルドキュメント上で動作し,最先端のパフォーマンスを実現するための新たなアグリゲーション手法を開発した。
  論文  参考訳（メタデータ） (2022-04-15T12:56:39Z)

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。