論文の概要: The Gold Rush in AI4Math, II: What are signatures of AI-assisted Proofs?

• arxiv url: http://arxiv.org/abs/2611.08412v1
• Date: Thu, 05 Nov 2026 18:17:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.615002
• Title: The Gold Rush in AI4Math, II: What are signatures of AI-assisted Proofs?
• Title（参考訳）: AI4Mathのゴールドラッシュ II: AI支援証明の署名は何か?
• Abstract要約: 数学におけるAIの利用の増加は、AIによる証明への関与を検出することができるのだろうか、という疑問を提起する。 我々は,8,281の論文からなる5つのコホートを,既存の原稿と生成AIを用いて作成した写本を組み合わせて構築する。 これらのコホートは、AIに関わるさまざまなレベルのレベルにまたがっており、同じ研究問題に対処する2組の論文を含んでいる。 次に、各論文を即時証明支援(GIPS)グラフとして表現するフレームワークProofTraceを紹介し、数学的組織の解釈可能な特徴を抽出する。
• 参考スコア（独自算出の注目度）: 8.399688944263843
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The growing use of AI in mathematics raises a question: can we detect AI involvement in proofs, separately from AI assistance with writing? Historical arXiv papers, recent papers disclosing substantive AI use, and manuscripts released by OpenAI provide a rich empirical basis for studying this question. However, several challenges remain: lack of matched case-control pairs; potential incompleteness of disclosure; and lack of ready-to-use features designed to capture signals of AI involvement in proofs. To address these challenges, we construct five cohorts comprising 8,281 papers by combining existing manuscripts with those we produced using generative AI. These cohorts span different levels of AI involvement and include matched pairs of papers addressing the same research problems. We then introduce ProofTrace, a framework that represents each paper as a graph of immediate proof support (GIPS) and extracts interpretable features of mathematical organization. Our study yields three discoveries. First, principal-component projections of our features reveal a qualitative gradient of AI involvement, where AI-reworded papers remain close to human papers, the two AI-generated cohorts depart in broadly shared directions, and papers disclosing substantive AI use occupy intermediate positions which shifts toward AI-generated cohorts over time. Second, we identify recurring signatures of AI-generated proofs, such as fewer externally cited results, greater reliance on intermediate conclusions, and altered graph connectivity; many of these signatures persist under controls for research field, manuscript length, or graph size. Finally, in a separate detection experiment, ProofTrace distinguishes human-written papers from those disclosing substantive AI use. Its performance remains stable under AI rewording, whereas the performance of state-of-the-art text-based detectors declines sharply.
• Abstract（参考訳）: 数学におけるAIの利用の増加は、AIによる証明への関与を検出することができるのか? 歴史的arXiv論文、最近の論文は、実体的AIの使用を開示し、OpenAIがリリースした原稿は、この問題を研究するための豊富な実証的な基礎を提供する。 しかし、いくつかの課題は残る: 一致したケースコントロールペアの欠如、開示の不完全性の可能性、そして証明にAIが関与するシグナルを捉えるように設計された準備の整った機能の欠如。 これらの課題に対処するために,既存の原稿と生成AIを用いて作成した原稿を組み合わせて,8,281枚の論文からなる5つのコホートを構築した。 これらのコホートは、AIに関わるさまざまなレベルのレベルにまたがっており、同じ研究問題に対処する2組の論文を含んでいる。 次に、各論文を即時証明支援(GIPS)グラフとして表現するフレームワークProofTraceを紹介し、数学的組織の解釈可能な特徴を抽出する。 私たちの研究は3つの発見をもたらす。 まず第一に、私たちの特徴を主成分とする予測は、AIが書き起こした論文が人間の論文に近づき、AIが生成する2つのコホートが広く共有された方向に出発し、実体的AIが中間的位置を使い、時間とともにAIが生成するコホートへと移行する、という定性的勾配を明らかにします。 第2に、外部から引用された結果の減少、中間結果への依存度の向上、グラフ接続の変更など、AI生成された証明の繰り返しシグネチャを特定し、これらのシグネチャの多くは、研究分野、原稿の長さ、グラフサイズに対する制御の下で継続する。 最後に、ProofTraceは別個の検出実験で、人間によって書かれた論文と実体的AIの使用を開示する論文を区別する。 その性能はAIリワードの下で安定しているが、最先端のテキストベースの検出器の性能は急速に低下している。

関連論文リスト

• F(AI)2R: Who Did What, and Who Checked? Verifiable AI Provenance as an Executable Skill [0.0]
  F(AI)2Rは、AIを使ったFAIR研究であり、AI支援のオーサリングパスと、すべてのアーティファクトに対するマシン可読な監査パスである。 本稿では,AI-in-the-loopアーティファクトをカバーするPROV-O拡張であるaiprovに,学術的な記述以上の証明モデルを一般化する。 プロダクションにおけるすべてのアクティビティ、クレーム、ソースは、2つのインの下にリポジトリの証明グラフに記録される。
  論文  参考訳（メタデータ） (2026-07-28T12:17:53Z)
• Operation-Guided Progressive Human-to-AI Text Transformation Benchmark for Multi-Granularity AI-Text Detection [49.41415417307568]
  OpAI-Benchは、プログレッシブな人間とAIのテキスト変換を研究するためのオペレーションガイド付きベンチマークである。 我々は、AIテキスト検出能力は、AI編集コンテンツの割合だけでなく、編集操作、ドメイン、累積修正履歴によっても支配されていることを示す。
  論文  参考訳（メタデータ） (2026-06-04T17:58:05Z)
• Characterizing initial human-AI proof formalization workflows [66.06866890889131]
  AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。 我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。 質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
  論文  参考訳（メタデータ） (2026-06-02T22:58:19Z)
• The AI Research Assistant: Promise, Peril, and a Proof of Concept [0.0]
  詳細な事例研究を通じて実証的な証拠を提供する。 コラボレーションによって、注目すべき機能と限界の両方が明らかになった。 我々の経験から、適切な懐疑論や検証プロトコルを使用すると、AIツールは数学的発見を有意義に加速させることができることが示唆されている。
  論文  参考訳（メタデータ） (2026-02-26T10:29:05Z)
• Could AI Trace and Explain the Origins of AI-Generated Images and Text? [53.11173194293537]
  AI生成コンテンツは、現実の世界ではますます普及している。 敵は、大規模なマルチモーダルモデルを利用して、倫理的または法的基準に違反した画像を作成するかもしれない。 ペーパーレビュアーは、大きな言語モデルを誤用して、真の知的努力なしにレビューを生成する。
  論文  参考訳（メタデータ） (2025-04-05T20:51:54Z)
• Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
  本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。 我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
  論文  参考訳（メタデータ） (2025-02-21T18:45:37Z)
• Psittacines of Innovation? Assessing the True Novelty of AI Creations [0.26107298043931204]
  我々は、仮説的なクラウドファンディングキャンペーンのために、AIにプロジェクトタイトルの生成を任せる。 AI生成したプロジェクトタイトルで比較し、繰り返しと複雑さを測定します。 結果は、タスクの複雑さが増大しても、AIがユニークなコンテンツを生成することを示唆している。
  論文  参考訳（メタデータ） (2024-03-17T13:08:11Z)

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。