定理不再各自孤立:把“谁改进了谁”画成图,智能体提出的猜想更受评审青睐
核心概要
数学智能体此前多在证明已有猜想,而“该证什么”缺少可操作的判据。定理演化图把定理之间的改进关系显式记录下来:节点是定理,边记录设定、假设与结论的变化。智能体沿种子论文的引用向前向后检索并比较定理,据此提出新猜想。在30篇种子论文上,三位模型评审在非平局判断中63%偏好该图生成的猜想,专家评审在12篇中偏好8篇;但基线猜想在可信度上更受青睐。
深度剖析
数学智能体开始被引导去“选题”,而不只是证明已有命题:它们沿引用关系把一篇种子论文前后的定理串成一张有向图,再从图中定理之间的差异里提出新猜想。 此前的猜想生成多把猜想当作定理证明器的训练数据,或从已有数学库中生成形式化猜想;判断一个猜想是否新颖、重要、能否加深理解,缺少可依据的结构。 在30篇种子论文上,三位模型评审共给出90组“评审—论文”判断,其中50组选定理演化图生成的猜想、29组选无约束智能体的猜想、11组平局;在非平局判断中该图猜想占63%(95%置信区间52%–73%)。
智能体先确定哪些定理彼此相关,再逐条比较它们的设定、假设和结论,把“这一步新引入了什么想法”写成边上的说明。 图上的每条边不是引用关系,也不是证明依赖,而是定理陈述本身的变化:假设被放宽、结论被加强,或结果被推广到新的设定。 构造从种子论文的主要定理出发,用Semantic Scholar的引用接口向前向后检索,再由read_paper读取全文并抽取定理;在固定可用论文的对照中,构建并使用该图的智能体在非平局判断中获得58%偏好(95%置信区间43%–72%),与原智能体相比为64%(50%–77%),但这两个比较在现有样本量下未达到统计显著(p=0.36与0.07)。
启示与展望
演示范围是30篇种子论文、单一生成模型Claude Opus 5.5,评价以模型评审的偏好和一位专家对其中12篇的盲评为主;所有生成的猜想都尚未被证明,属于需要专家审阅的候选。
作者指出种子论文少且经过挑选、只用一个生成模型,结论未必推广到其他数学领域或模型;定理抽取与边标注未经过大规模专家校验,错误会传播到猜想中;评审可能偏好听起来宏大的写法,专家与模型评审的一致程度为中等。
