論文の概要: ProofDiff: Auditable Argument-Level Comparison of AI-Generated Mathematical Proofs
- arxiv url: http://arxiv.org/abs/2611.10233v1
- Date: Fri, 06 Nov 2026 21:18:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 09:45:37.601062
- Title: ProofDiff: Auditable Argument-Level Comparison of AI-Generated Mathematical Proofs
- Title(参考訳): ProofDiff:AIが生成した数学的証明の可聴的論証レベル比較
- Abstract要約: 本稿では,非公式な数学的文書の比較を行うProofDiffを提案する。
数学的正当性を証明するのではなく、人間のレビューをサポートするように設計されている。
ProofDiffを4組のAI生成証明で実証する。
- 参考スコア(独自算出の注目度): 2.6520727434173175
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mathematical understanding depends on the route from hypotheses to conclusion: how the parts of a proof function and which dependencies carry the argument forward. This structure can persist when wording or notation changes, while a small alteration to a hypothesis or inference can produce a different argument beneath similar prose. Formal verification can establish that a rewrite proves the same theorem, but not whether it follows the same mathematical route. Comparing informal proofs, especially those produced or revised by generative models, therefore requires reconstructing which claims, dependencies, and reasoning steps are preserved, reorganized, or replaced. We present ProofDiff, a system for comparing informal mathematical documents. It is designed to support human review, not to certify mathematical correctness. Given two documents, ProofDiff independently constructs a source-grounded argument map for each and proposes correspondences between the resulting maps. Each map captures the document's claims and reasoning steps and records the typed relations that connect them. An integrated human-review layer allows reviewers to revise the maps and correspondences while preserving an auditable history. Comparing the two argument maps provides a basis for inspecting whether the documents follow the same mathematical route and where their claims or dependencies differ. We demonstrate ProofDiff on four illustrative pairs of AI-generated proofs, ranging from a detailed proof and its concise revision to proofs using different mathematical strategies.
- Abstract(参考訳): 数学的理解は、仮説から結論への経路、すなわち証明関数の一部とどの依存関係が議論を前進させるかに依存する。
この構造は、単語や表記が変化するときに持続しうるが、仮説や推論への小さな変更は、類似の散文の下で異なる議論を生み出すことができる。
形式的検証は書き直しが同じ定理を証明することを証明できるが、それが同じ数学的経路に従うかどうかは定かでない。
非公式な証明、特に生成モデルによって作成されたまたは修正された証明を比較すると、どの主張、依存関係、推論ステップが保存され、再編成され、または置き換えられるかを再構築する必要がある。
本稿では,非公式な数学的文書の比較を行うProofDiffを提案する。
数学的正当性を証明するのではなく、人間のレビューをサポートするように設計されている。
2つの文書が与えられた後、ProofDiffは個別にソース基底の引数マップを構築し、結果のマップ間の対応を提案している。
各マップは文書のクレームと推論ステップをキャプチャし、それらを接続する型付き関係を記録する。
統合されたヒューマンレビューレイヤにより、レビュアーは、監査可能な履歴を保持しながら、地図と通信を更新できる。
2つの引数マップを比較することは、文書が同じ数学的経路をたどっているか、それらの主張や依存関係が異なるかを検査するための基礎となる。
ProofDiffは、詳細な証明と簡潔な修正から、異なる数学的戦略を用いた証明まで、AI生成実証の4つの図解的なペアで実証する。
関連論文リスト
- Dependency Graphs of Mathematical Arguments: Representation, Structural Measurement, and Proof Review [2.495906039848052]
本研究では,大規模言語モデルの助けを借りて数学的議論を表現・測定するための基盤となるフレームワークを提案する。
数式と無数のステートメント、方程式、仮定、構成が含まれており、発生元を文脈の状態や推測記録と区別している。
測定コントラクトは、原稿のバージョン、バウンダリ、粒度、証明の選択、マクロアンカーを修正する。
論文 参考訳(メタデータ) (2026-10-27T07:44:14Z) - Does the Proof Prove It That Way? Faithful Formalization of Elements Proofs [16.584143060150165]
我々は,5つの条件を満たす形式的なリーン証明を生成する,エージェント的・オラクル誘導型証明探索であるPristisを紹介した。
その中核は、新しい忠実に保存される分割とコンカレント検索であり、これは orderDecompose という名前で呼ばれる。
ピスティスをユークリッドの要素の最初の3冊の本に適用し、忠実な形式的証明を含む高品質なアーティファクトを創出する。
論文 参考訳(メタデータ) (2026-08-15T22:20:08Z) - TREAT: Evaluating Access to Formal Knowledge across Equivalent Mathematical Representations [0.0]
鍵となる課題は、未知の定式化が既知の形式的対象を表すときを認識することである。
Treatは、大きな言語モデルが既知の定理のアイデンティティを復元できるかどうかを評価するためのベンチマークである。
Treatは、形式的知識への表現不正アクセスを評価するための制御されたテストベッドを提供する。
論文 参考訳(メタデータ) (2026-07-29T23:02:46Z) - What are the Right Symmetries for Formal Theorem Proving? [23.981613344642152]
意味論的に等価な文は、非常に異なる証明成功率を示すことを示す。
これは中心的な疑問を提起する: 形式的定理証明の適切な対称性は何か?
証明戦術によって誘導される構成的、一般的には非可逆な変換をキャプチャーするカテゴリ理論フレームワークである書字カテゴリを導入する。
論文 参考訳(メタデータ) (2026-05-21T10:00:47Z) - Lean-STaR: Learning to Interleave Thinking and Proving [53.923617816215774]
証明の各ステップに先立って,非公式な思考を生成するために,言語モデルをトレーニングするフレームワークであるLean-STaRを紹介します。
Lean-STaRは、Lean定理証明環境内のminiF2F-testベンチマークで最先端の結果を達成する。
論文 参考訳(メタデータ) (2024-07-14T01:43:07Z) - Generating Natural Language Proofs with Verifier-Guided Search [74.9614610172561]
NLProofS (Natural Language Proof Search) を提案する。
NLProofSは仮説に基づいて関連するステップを生成することを学習する。
EntailmentBank と RuleTaker の最先端のパフォーマンスを実現している。
論文 参考訳(メタデータ) (2022-05-25T02:22:30Z) - multiPRover: Generating Multiple Proofs for Improved Interpretability in
Rule Reasoning [73.09791959325204]
我々は、自然言語の事実と規則の形で明示的な知識を推論することを目的としている言語形式推論の一種に焦点を当てる。
PRoverという名前の最近の研究は、質問に答え、答えを説明する証明グラフを生成することによって、そのような推論を行う。
本研究では,自然言語規則ベースの推論のために複数の証明グラフを生成するという,新たな課題に対処する。
論文 参考訳(メタデータ) (2021-06-02T17:58:35Z) - Prove-It: A Proof Assistant for Organizing and Verifying General
Mathematical Knowledge [0.0]
Prove-ItはPythonベースの汎用的対話型定理証明アシスタントである。
Prove-ItはフレキシブルなJupyterノートブックベースのユーザーインターフェイスを使って、対話や証明の手順を文書化している。
現在の開発と今後の研究には、量子回路操作と量子アルゴリズム検証への有望な応用が含まれている。
論文 参考訳(メタデータ) (2020-12-20T18:15:12Z)
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。