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
基于 HOL Light 的开源强化学习环境、基准和深度学习证明器 DeepHOL
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。
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。
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。
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。
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。
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。
“We provide an open-source framework based on the HOL Light theorem prover that can be used as a reinforcement learning environment.”