논리적 사고

풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?

HyperTree Proof Search는 증명 탐색 결과를 온라인 학습에 되돌려 훈련 분포 밖 정리의 탐색 정책을 개선한다.

그림에서 무엇을 볼까요?

풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?의 질문, 방법, 결과와 적용 범위를 세 단계 카드로 정리한 교육용 도식

목표 G가 A와 B 두 하위 목표를 모두 요구한다고 하자. A만 자주 풀리고 B에서 막힌다면 성공 경로만 모방해서는 B의 탐색이 늘지 않는다. HTPS식 온라인 학습은 B에서 시도한 전술과 후속 상태를 수집해 다음 탐색 정책을 바꾼다.

LTCT 도식은 목표가 두 하위 목표로 갈라지고, 두 가지가 모두 닫혀야 증명이 끝나는 합류점을 표시한다. 실패 경로는 학습으로 돌아가며 화살표 끝은 각 노드 경계에 닿는다. 원 논문의 탐색 그림을 복제하지 않았다.

2022년 arXiv v1 공개본의 결과이며 정식 동료심사 출판 여부와 이후 모델 환경을 따로 확인해야 한다.

증명률은 특정 데이터 분할, 탐색 시간과 계산 예산에 의존한다. 여러 번 시도해 한 번 성공한 비율은 단일 생성 신뢰도나 사람이 읽기 쉬운 증명 품질과 다르다.

공개본에서 확인한 범위를 넘어 저자나 참가자의 속성을 추측하지 않았고 최초 발표일과 개정·권호 출판일을 구분했습니다.

풀지 못한 정리를 다시 학습에 쓰는 것은 정답을 몰래 넣는 것과 같은가?