ИИ и сложнейшие проблемы мира · Математика · arXiv · 2026-10-23
За пределами LLM-судьи: механическая верификация для агентной автоформализации
Оригинальное название: Beyond LLM Judge: Mechanical Verification for Agentic Autoformalization
В статье представлен метод проверки формализаций на Lean, выходящий за рамки оценки достоверности с помощью LLM: он сочетает семантическую проверку на основе LLM с механическими численными проверками и проверками на пустоту. Применённый вместе с конвейером автоформализации «извлечение — проверка — доказательство», он был использован для создания FLMF — частичной формализации Цифровой библиотеки математических функций NIST. На трёх размеченных наборах данных метод показал наименьшую долю принятых ошибок среди оцениваемых методов, а экспертная проверка выявила дефекты перевода и источников в существующих наборах данных.