GOEDEL-PROVER-V2: Scaling Formal Theorem Proving with Scaffolded Data Synthesis and Self-Correction
GOEDEL-PROVER-V2: Масштабирование формального доказательства теорем с помощью синтеза структурированных данных и самокоррекции В данной статье представлена Goedel-Prover-V2, новая серия моделей обработки естественного языка с открытым исходным кодом для автоматизированного доказательства теорем, демонстрирующая передовые результаты. Подход включает синтез структурированных данных, самокоррекцию под руководством верификатора и усреднение моделей. Модели обучаются с использованием экспертной итерации и обучения с подкреплением. Модель Goedel-Prover-V2-8B превосходит значительно большую DeepSeek-Prover-V2-671B на MiniF2F. Флагманская модель Goedel-Prover-V2-32B еще больше улучшает производительность на MiniF2F и PutnamBench, превосходя предыдущие результаты. Ключевые нововведения включают использование обратной связи от компилятора Lean для самокоррекции, синтез данных возрастающей сложности и усреднение моделей для поддержания разнообразия. Модели и связанные ресурсы находятся в открытом доступе. В статье подробно описываются методы, используемые для обучения Goedel-Prover-V2, включая структуру самокоррекции, методы синтеза данных и общий конвейер обучения. #доказательствотеорем #ИИ #глубокоеобучение #формальныеметоды #открытыйисходныйкод #языковыемодели #самокоррекция #синтезданных #GoedelProver документ - http://arxiv.org/pdf/2508.03613v1 подписаться - https://t.me/arxivpaperu отправить донаты: USDT: 0xAA7B976c6A9A7ccC97A3B55B7fb353b6Cc8D1ef7 BTC: bc1q8972egrt38f5ye5klv3yye0996k2jjsz2zthpr ETH: 0xAA7B976c6A9A7ccC97A3B55B7fb353b6Cc8D1ef7 SOL: DXnz1nd6oVm7evDJk25Z2wFSstEH8mcA1dzWDCVjUj9e создано с помощью NotebookLM
GOEDEL-PROVER-V2: Масштабирование формального доказательства теорем с помощью синтеза структурированных данных и самокоррекции В данной статье представлена Goedel-Prover-V2, новая серия моделей обработки естественного языка с открытым исходным кодом для автоматизированного доказательства теорем, демонстрирующая передовые результаты. Подход включает синтез структурированных данных, самокоррекцию под руководством верификатора и усреднение моделей. Модели обучаются с использованием экспертной итерации и обучения с подкреплением. Модель Goedel-Prover-V2-8B превосходит значительно большую DeepSeek-Prover-V2-671B на MiniF2F. Флагманская модель Goedel-Prover-V2-32B еще больше улучшает производительность на MiniF2F и PutnamBench, превосходя предыдущие результаты. Ключевые нововведения включают использование обратной связи от компилятора Lean для самокоррекции, синтез данных возрастающей сложности и усреднение моделей для поддержания разнообразия. Модели и связанные ресурсы находятся в открытом доступе. В статье подробно описываются методы, используемые для обучения Goedel-Prover-V2, включая структуру самокоррекции, методы синтеза данных и общий конвейер обучения. #доказательствотеорем #ИИ #глубокоеобучение #формальныеметоды #открытыйисходныйкод #языковыемодели #самокоррекция #синтезданных #GoedelProver документ - http://arxiv.org/pdf/2508.03613v1 подписаться - https://t.me/arxivpaperu отправить донаты: USDT: 0xAA7B976c6A9A7ccC97A3B55B7fb353b6Cc8D1ef7 BTC: bc1q8972egrt38f5ye5klv3yye0996k2jjsz2zthpr ETH: 0xAA7B976c6A9A7ccC97A3B55B7fb353b6Cc8D1ef7 SOL: DXnz1nd6oVm7evDJk25Z2wFSstEH8mcA1dzWDCVjUj9e создано с помощью NotebookLM