정리증명 인공지능(AI)를 시험할 ‘환경’은 왜 필요할까?
HOList는 HOL Light의 수학 말뭉치를 기계학습 환경과 벤치마크로 공개해 증명 모델을 같은 조건에서 훈련·재생·검증하도록 했습니다.
그림에서 무엇을 볼까요?
HOL Light, 공통 벤치마크, 강화학습의 관계와 검토 지점을 설명하는 LTCT 교육용 도식.
같은 세 정리를 두 모델에 주고 라이브러리·전술·100상태 탐색 제한을 고정합니다. 정답 문자열이 아니라 검증기가 끝까지 재생한 증명만 성공으로 셉니다.
그림은 HOL Light → 공통 벤치마크 → 강화학습의 관계를 원 논문의 도표를 복사하지 않고 LTCT가 새로 구성했습니다. 화살표와 합류점은 조건이 어디에서 결론으로 연결되는지 보여 줍니다.
함께 확인할 점
2019년 HOL Light 중심 환경이라 오늘날 다른 증명 보조기와 언어모델의 능력을 대표하지 않습니다. 훈련 말뭉치의 계보, 전술 집합, 탐색 예산이 달라지면 수치가 달라지고 새로운 정리 발명 능력도 직접 측정하지 않습니다.
이 연구만으로 ‘정리증명 AI를 시험할 ‘환경’은 왜 필요할까?’에 관한 LTCT 교육·시험 효과를 확인할 수 없습니다. 본문의 수업·평가 아이디어는 별도 비교와 측정이 필요한 적용 제안입니다.
생각해 볼 질문
한 증명 AI의 성공률이 높으면 다른 형식체계에서도 더 낫다고 말할 수 있을까요?
사전등록은 적어 두기만 하면 충분할까?
유의확률(p값) 하나가 증거의 판결문이 될 수 있을까?
같은 연구를 다시 하면 결과는 얼마나 돌아올까?