На 12 ноември изследователи от GAIR и партньорски китайски институции публикуваха daVinci-Prover — подход за обучение и работа на математически AI агент. Темата, отразена от Калдата на 14 ноември, заслужава внимание заради съчетанието от генериране на доказателства и външна проверка. Авторите съобщават 97,1% успех на MiniF2F при вариант с компресиране на паметта. Това е резултат от конкретен експеримент, а не оценка за всички математически задачи.
Какво действително се проверява
Агентът предлага стъпки, а Lean проверява дали формалният резултат следва от зададеното твърдение и използваните предпоставки. Компресирането съкращава старата история, като запазва текущата задача и доказателството. Независимо възпроизвеждане на обучените модели не е установено при нашата проверка.
За читателя има съществена разлика между предложение и доказателство. Една езикова система може да представи гладко обяснение, което звучи завършено. Машинната проверка поставя отделен критерий за приемане. Тя обаче работи върху формалното условие: ако човекът е искал друго твърдение, успешното доказване на въведения запис не поправя това разминаване.
Самият MiniF2F е колекция от формализирани упражнения от състезания и учебна математика. Поддържащите хранилището изискват да се посочва използваната версия или ревизия, защото условията се поправят. Следователно сравняването на два процента има смисъл само при съпоставими задачи и настройки. Разчитането на условие от естествен език, формализирането му и доказването му са различни части на цялата работа.
Кодът и обучените модели са различни артефакти
Публичното хранилище предоставя среда за работа с Lean, локално търсене на предпоставки и окончателна проверка чрез Comparator. Текущият му пример използва DeepSeek и собствен лимит на взаимодействията. Таблиците там не трябва да се сливат с резултатите от обучението на Qwen в статията. Достъпният код дава възможност да се изучава процесът; той сам по себе си не означава, че всички заявени тегла и обучаващи данни вече са публикувани. Статусът на кода трябва да се проверява отделно от статуса на обучените модели.
Документацията на Lean също показва защо предпоставките имат значение: системата допуска работа с аксиоми, а изборът им влияе на смисъла на полученото доказателство. Затова разумният преглед включва не само зелен резултат от проверка, но и точния текст на теоремата, зависимостите и използваната среда.
Редакционният ни извод е практичен: daVinci-Prover е интересен пример за агент, който получава проверима обратна връзка от специализиран инструмент. Преди приложение извън публикуваните тестове са нужни повторяеми опити с фиксирани версии, запис на неуспешните случаи и отделна проверка на формализацията. Тези условия не обезценяват резултата; те определят какво точно може да се заключи от него.
Корицата е AI редакционна илюстрация, не документална снимка.



