論文の概要: From Pen-and-Paper to Machine-Checked Proofs: Lean for System Identification
- arxiv url: http://arxiv.org/abs/2611.18220v1
- Date: Fri, 13 Nov 2026 14:24:26 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:30:11.992935
- Title: From Pen-and-Paper to Machine-Checked Proofs: Lean for System Identification
- Title(参考訳): Pen-and-PaperからMachine-Checked Proofs: システム識別のためのリーン
- Abstract要約: 本稿では,システム識別とオーディエンス制御のためのLean 4証明アシスタントについて紹介する。
まず最初に、2つの基本的な例を使ってリーンの証明を読み取る方法を示します。
次に、文献から結果を分析するためにリーンをどのように使用できるかを説明します。
- 参考スコア(独自算出の注目度): 0.5505634045241289
- License:
- Abstract: Mathematical proofs in scientific papers are often long and intricate, relying on chains of references to earlier results. This makes it difficult for readers and reviewers to verify each and every step. Interactive theorem proving offers a complement: the theorem and its proof are written as code, and every inference is checked by a small, trusted piece of software called the kernel. This paper serves as an introduction to the Lean 4 proof assistant for a system identification and control audience, assuming no prior exposure to formal methods. We first show how a Lean proof is read using two elementary examples: the first on identifiability, the second on set invariance. We then illustrate how Lean can be used to analyse results from the literature, taking as example a classic lemma on the inversion of the noise filter in prediction-error identification (Ljung, 1999, Lemma 3.1). Since in Lean every step must be justified, the formalization brings to light a subtle point: the original claim of that lemma holds almost surely, although not for every realisation, as its statement may suggest. A simple counterexample makes this concrete. Finally, the paper discusses guidelines and perspectives on the use of Lean in system identification research.
- Abstract(参考訳): 科学論文における数学的証明は、しばしば長く複雑なものであり、初期の結果への参照の連鎖に依存している。
これにより、読者やレビュアーは各ステップの検証が困難になる。
対話的定理証明は補足を与える:定理とその証明はコードとして書かれ、すべての推論はカーネルと呼ばれる小さな信頼されたソフトウェアによってチェックされる。
本稿では,形式的手法への事前の露出を前提として,システム識別とオーディエンス制御のためのLean 4証明アシスタントを紹介する。
まず最初に、リーンの証明を2つの基本的な例を使って読み取る方法を示します。
次に、予測エラー識別におけるノイズフィルタの逆転に関する古典的な補題(Ljung, 1999, Lemma 3.1)を例に、リーンを使って文献の結果を分析する方法について説明する。
リーンでは、すべてのステップを正当化しなければならないため、形式化は微妙な点を生じさせます。
単純なカウンターサンプルでこのコンクリートを作ります。
最後に,システム識別研究におけるリーンの利用に関するガイドラインと視点について論じる。
関連論文リスト
- ProofDiff: Auditable Argument-Level Comparison of AI-Generated Mathematical Proofs [2.6520727434173175]
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。
論文 参考訳(メタデータ) (2026-11-06T21:18:38Z) - Formalizing inverse problems in the age of AI: possibilities, pitfalls, and an invitation [0.0]
古典的線形正則化理論とそれに基づく機能解析がAIエージェントによって自動形式化されているリーンライブラリであるAutoIPについて述べる。
マシンチェックされた証明は、それが証明した形式的ステートメントのみを認証するので、残りのヒューマンタスクは、それぞれの形式的ステートメントが意図されたことを確認することである。
論文 参考訳(メタデータ) (2026-11-04T08:30:31Z) - ProofSketcher: Hybrid LLM + Lightweight Proof Checker for Reliable Math/Logic Reasoning [0.0]
大規模言語モデル(LLMs)は、数学的および論理的分野における説得的議論を生み出す可能性がある。
LeanとCoqは、構文的および意味的ステートメントがプログラム内のすべての構文的および意味的ステップをパスできるステートメントのみを受け入れることを保証することで、厳格な信頼性を持つ。
本稿では,LLMがコンパクトDSLの型付き証明スケッチを生成し,軽量な信頼できるカーネルがスケッチを明示的な証明義務に拡張するハイブリッドパイプラインを提案する。
論文 参考訳(メタデータ) (2026-04-07T19:33:54Z) - Explorable Theorems: Making Written Theorems Explorable by Grounding Them in Formal Representations [26.38291147763785]
形式化された表現の基盤となる説明は、静的テキストがサポートしているもの以上のインタラクティブなアベイランスを可能にすると論じる。
このアイデアを、LLMを用いて定理とその記述された証明をリーンに変換するシステムである探索可能な定理を用いて、数学的証明理解のためにインスタンス化する。
読者はこの証明をステップレベルの粒度で実行し、カスタム例や逆例をテストし、各ステップをブリッジする論理的依存関係をトレースすることができる。
論文 参考訳(メタデータ) (2026-04-03T00:16:52Z) - LeanProgress: Guiding Search for Neural Theorem Proving via Proof Progress Prediction [74.79306773878955]
証明の進捗を予測する手法であるLeanProgressを紹介します。
実験の結果、LeanProgressは全体の予測精度が75.1%に達することがわかった。
論文 参考訳(メタデータ) (2025-02-25T07:46:36Z) - 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)
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。