从原理构建一个神经符号数学家
人工智能
2026-01-05 v1
摘要
大语言模型（LLM）在复杂推理中表现出持久的逻辑失败，由于缺乏内部公理体系。我们提出了 Mathesis，一种神经符号架构，将数学状态编码为高阶超图，并使用符号推理内核（SRK）——一种将约束映射到连续能量景观的可微分逻辑引擎。通过定义全局能量函数 E(G)，其中零能量表示逻辑一致性，SRK 产生梯度信号，用于训练超图变换器大脑，将证明搜索转化为能量最小化。通过蒙特卡洛树搜索和进化证明搜索，实现多步推理，由学习到的价值函数和语义统一指导。
引用
@article{arxiv.2601.00125,
title = {Constructing a Neuro-Symbolic Mathematician from First Principles},
author = {Keqin Xie},
journal= {arXiv preprint arXiv:2601.00125},
year = {2026}
}