論文の概要: AI has its own style in mathematical proving
- arxiv url: http://arxiv.org/abs/2611.16527v1
- Date: Thu, 12 Nov 2026 09:27:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.414005
- Title: AI has its own style in mathematical proving
- Title(参考訳): AIは数学的証明に独自のスタイルを持っている
- Abstract要約: AIが生み出す証明は人間の証明と異なることがわかりました。
AI引用の約40%は基礎的な要素を示している。
AIの余分な引用のおよそ半分は、人間の証明の上流依存性に遡る。
- 参考スコア(独自算出の注目度): 14.893974141573407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As large language models increasingly generate mathematical proofs, whether they develop a proving style distinct from that of human mathematicians remains an open question. This question is particularly pressing as mathematicians increasingly voice concerns that proofs generated by large language models are difficult to interpret. Here we ask three large language models to independently reprove all 465 propositions of Euclid's \textit{Elements} and compare their citation choices against the human-proof baseline through Jaccard similarity and complex network analysis. We find that AI-generated proofs differ from human proofs, and this difference is stable and reproducible: mean pairwise Jaccard similarity among AI runs (~0.68) is nearly twice that between AI and human proofs (~0.37), and cross-run classification consistency is also high. By examining citation structure in detail, we identify the concrete signature of this difference: approximately 40% of AI citations point to foundational elements (definitions, common notions, and postulates), compared with only 13\% in human proofs; even among theorem-to-theorem citations, AI tends to cite more distant results. Roughly half of AI's extra citations trace to the upstream dependencies of the human proof. Together, these findings suggest that the AI proving style is a tendency to construct arguments on its own from foundational elements rather than directly citing later, more established results, which we term "building from the ground up". Our findings offer a new perspective on how AI systems organise and invoke mathematical knowledge, with implications for understanding the interpretability of AI-generated proofs.
- Abstract(参考訳): 大規模言語モデルが数学的証明をますます生み出すにつれて、それらが人間の数学者とは異なる証明形式を開発するかどうかは、未解決の問題のままである。
数学者たちは、大きな言語モデルによって生成される証明は解釈が難しいという懸念を声高に感じている。
ここでは、3つの大きな言語モデルに対して、Euclidの \textit{Elements} の 465 命題をすべて独立に再現し、Jaccard の類似性や複雑なネットワーク解析を通じて、人間の安全ベースラインに対する引用選択を比較する。
AIが生成した証明は人間の証明と異なり、この違いは安定しており再現可能である。AIランの平均的ジャカード類似度(~0.68)はAIと人間の証明の約2倍(~0.37)であり、クロスラン分類の一貫性も高い。
約40%のAI引用は基礎的な要素(定義、共通概念、仮定)を指し示しており、人間の証明では13%しか示されていない。
AIの余分な引用のおよそ半分は、人間の証明の上流依存性に遡る。
これらの知見は、AIの証明スタイルが、後ほど、より確立された結果を直接引用するのではなく、基礎的な要素から独自の議論を構築する傾向にあることを示唆している。
我々の発見は、AIが生成する証明の解釈可能性を理解するために、AIシステムが数学的知識をどのように編成し、呼び出すかについて、新たな視点を提供する。
関連論文リスト
- Trust, but verify, audit and attribute: a human-in-the-loop framework for checking AI-produced research results [0.0]
本稿では,AI生成結果をチェックするためのドメインに依存しないヒューマン・イン・ザ・ループ・フレームワークを提案する。
信頼性の異なるエージェント使用可能なツールは結果をチェックする; 忠実な監査は、各チェックが記載したように、クレームに対処するかどうかを尋ねる。
ダイアログレポートは、その作業を人間とAIに属性付ける。
論文 参考訳(メタデータ) (2026-11-09T11:58:29Z) - The Gold Rush in AI4Math, II: What are signatures of AI-assisted Proofs? [8.399688944263843]
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。
論文 参考訳(メタデータ) (2026-11-05T18:17:18Z) - Autonomous AI Agents Systematically Diverge From Human Preferences in Proof Formalization [1.9336815376402718]
我々は,(1)AIエージェントが表層構文やより深い意味論にお金を払っていること,(2)AIエージェントが次に何をするかを人間の好みからどのように選び分けるか,という2つの重要な質問を調査できる方法論を提案する。
リーンにおける9つの主要なヒューマンコラボレーションセットと6Kコミット以上にわたる4.7M定義では、実証構築の過程で、AIエージェントが人間よりもはるかに強く描かれており、明確なギャップがあることが分かりました。
論文 参考訳(メタデータ) (2026-11-04T18:34:25Z) - Ramanujan Challenge Results: AI-Assisted Evaluation Pipeline for Multi-Format Proofs [2.460905080745209]
我々は、異なるAIモデル、コンピュータ代数システム(CAS)、およびラマヌジャンチャレンジにおけるフォーマルツールの相対的な成功を分析した。
我々は、概念的には公式な解とは異なる正しい命題と、公表された開予想の一つの証明を見つける。
我々は、自然言語証明、CASコード、そして意味論的および論理的正当性を評価するリーン形式化のためのAI支援評価パイプラインを導入する。
論文 参考訳(メタデータ) (2026-10-29T17:39:04Z) - 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) - 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) - 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) - Formal Mathematical Reasoning: A New Frontier in AI [60.26950681543385]
我々は公式な数学的推論を提唱し、AI4Mathを次のレベルに進めるには不可欠であると主張している。
既存の進捗を要約し、オープンな課題について議論し、将来の成功を測るための重要なマイルストーンを想定します。
論文 参考訳(メタデータ) (2024-12-20T17:19:24Z) - NaturalProver: Grounded Mathematical Proof Generation with Language
Models [84.2064569475095]
自然数理言語における定理証明は、数学の進歩と教育において中心的な役割を果たす。
本研究では,背景参照を条件づけて証明を生成する言語モデルであるNaturalProverを開発する。
NaturalProverは、短い(2-6ステップ)証明を必要とするいくつかの定理を証明でき、40%の時間で正しいと評価された次のステップの提案を提供することができる。
論文 参考訳(メタデータ) (2022-05-25T17:01:18Z)
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。