按年被提到
20192019 · 1 次2026
数学、逻辑与理论›AI 数学与定理证明·arXiv:1904.03241 · cs.LO

HOList: An Environment for Machine Learning of Higher-Order Theorem Proving

HOList:高阶定理证明的机器学习环境
Kshitij Bansal, Sarah M. Loos, Markus N. Rabe, Christian Szegedy, Stewart Wilcox · 2019

基于 HOL Light 的开源强化学习环境、基准和深度学习证明器 DeepHOL

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2019-04-26 · 最近 2021-09-22发表于 International Conference on Machine Learning
3不同的人
3活跃月份
3讨论串
66被引(OpenAlex)

高阶交互式定理证明器能够形式化任意数学理论,对深度学习是开放式的挑战。论文提供基于 HOL Light 的开源框架,可作为强化学习环境;HOL Light 涵盖微积分等基础数学定理及开普勒猜想的形式化证明,作者由此衍生出一个有难度的自动推理基准。论文还提出深度强化学习驱动的自动定理证明器 DeepHOL,在该基准上取得了不错的初步结果。

HN 为什么提它

评论者引用它摘要里的说法,把它当作基于 HOL Light 的强化学习环境和高阶定理证明基准的出处。

方法难度 4 / 5约 40 分钟经得起时间
读之前最好知道
1高阶逻辑与交互式定理证明
2HOL Light 证明助手
3深度强化学习
4自动推理与前提选择

学习路径

读这篇之前,按顺序读书架上的 4 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出

先看神经网络在前提选择和证明搜索中的早期尝试,再读 HOList 如何给出强化学习环境与基准。

  1. 1
    DeepMath - Deep Sequence Models for Premise SelectionDeepMath:用于前提选择的深度序列模型 · 2016

    最早把深度序列模型用于定理证明前提选择,HOList 沿用这个问题设定。

    读抓前提选择任务的定义和卷积、循环模型的对比。

  2. 2
    Deep Network Guided Proof Search深度网络引导的证明搜索 · 2017

    用深度网络引导证明搜索,是下一步证明器与神经网络结合的做法。

    读抓网络如何给子句打分以引导搜索。

  3. 3

    高阶逻辑里的神经证明器,与 HOList 目标最接近的前人工作。

    读抓它如何生成证明步骤、与搜索结合,及其局限。

  4. 4
    WaveNet: A Generative Model for Raw AudioWaveNet:原始音频的生成模型 · 2016

    HOList 的网络架构借鉴了这类扩张卷积结构。

    读只抓因果扩张卷积的概念,跳过音频实验。

  5. 5
    HOList: An Environment for Machine Learning of Higher-Order Theorem ProvingHOList:高阶定理证明的机器学习环境 · 2019 · 就是这篇

    基于 HOL Light 的开源强化学习环境、基准和深度学习证明器 DeepHOL。

    读抓环境接口、基准的构成,以及 DeepHOL 的前提选择与策略网络。

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用westurner · 2020-09

“We provide an open-source framework based on the HOL Light theorem prover that can be used as a reinforcement learning environment.”

介绍基于 HOL Light 的开源框架,可作为强化学习环境
Graph Representations for Higher-Order Logic and Theorem Proving (2019)原评论 ↗
被提交为 story · 2 次