“if you're specifically looking for the LLM's that have been big recently, there's GPT-f ([OTHER_PAPER]), Baldur”
按年被提到
20232023 · 3 次2026
Baldur: Whole-Proof Generation and Repair with Large Language Models
Baldur:用大语言模型生成并修复整段证明
Emily First, Markus N. Rabe, Talia Ringer, Yuriy Brun · 2023
用 LLM 一次生成整段形式化证明并借错误信息修复
被提及 · 4 人首次 2023-03-12 · 最近 2024-01-07
4不同的人
4活跃月份
4讨论串
107被引(OpenAlex)
论文提出用大语言模型自动化形式化验证:在文本与代码上训练、再在证明上微调的模型,一次性生成定理的整段证明,而不是一步步预测再搜索,并配合微调的修复模型修复生成的证明。作者展示整段证明生成与基于搜索的方法同样有效且无需昂贵搜索,把先前失败的证明和错误信息作为额外上下文能进一步提升。在 6,336 条 Isabelle/HOL 定理的基准上,原型 Baldur 比此前最优工具 Thor 多证明了 8.7% 的定理,二者合计可全自动证明 65.7%。
HN 为什么提它
评论者在列举近来重要的 LLM 定理证明工作时,把 Baldur 与 GPT-f 并列提及。
方法难度 4 / 5约 45 分钟经得起时间
读之前最好知道
1证明助手(Coq、Isabelle/HOL)
2形式化验证基础
3大语言模型微调
4自动定理证明与证明搜索
学习路径
读这篇之前,按顺序读书架上的 6 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出先看 Transformer 与大语言模型,再看 Baldur 所用的 Minerva,以及此前神经证明搜索的工作,最后读整段证明的生成与修复。
- 1
- 2
- 3
Minerva 建立在 PaLM 上,理解 Baldur 的底座需要先了解它。
读模型规模与它在少样本任务上的表现。
- 4
Baldur 的底层大模型是在技术文本上继续训练的 Minerva。
读在数学与科学文本上继续训练的方式。
- 5
Proverbot9001 是早期机器学习自动生成 Coq 证明的系统,Baldur 以它作为对比。
读逐步预测证明策略并做搜索的思路。
- 6
代表神经定理证明里逐步搜索证明的路线,与 Baldur 一次生成整段证明相对。
读逐步搜索证明的方式,以及它与整段生成的差异。
- 7Baldur: Whole-Proof Generation and Repair with Large Language Models
目标论文:用大模型一次生成整段形式化证明并借错误信息修复。
读整段证明生成、微调方式,以及用 Coq 报错信息修复证明的流程。
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aSanchezStern · 2023-10
把 Baldur 列为近期热门的 LLM 证明生成工作之一
被提交为 story · 3 次
- Baldur: Whole-Proof Generation and Repair with Large Language Models ↗gfortaine · 2023-03-12 · 2 分
- Baldur: Whole-Proof Generation and Repair with Large Language Models ↗pera · 2023-04-04 · 1 分
- Baldur: Whole-Proof Generation and Repair with Large Language Models ↗rntn · 2024-01-07 · 3 分