Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:1806.00608

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:1806.00608 (cs)
[提交于 2018年6月2日 (v1) ,最后修订 2018年12月21日 (此版本, v2)]

标题: GamePad:定理证明的学习环境

标题: GamePad: A Learning Environment for Theorem Proving

Authors:Daniel Huang, Prafulla Dhariwal, Dawn Song, Ilya Sutskever
摘要: 在本文中,我们引入了一个名为GamePad的系统,该系统可用于探索机器学习方法在Coq证明助手中的定理证明应用。 交互式定理证明器如Coq允许用户以逐步的方式构建可被机器检查的证明。 因此,它们提供了一个在人类监督下探索定理证明的机会。 我们使用GamePad为一个简单的代数重写问题合成证明,并为Feit-Thompson定理的形式化训练基线模型。 我们解决了位置评估(即,预测剩余的证明步骤数)和策略预测(即,预测下一步的证明步骤)任务,这些任务在基于策略的定理证明中自然出现。
摘要: In this paper, we introduce a system called GamePad that can be used to explore the application of machine learning methods to theorem proving in the Coq proof assistant. Interactive theorem provers such as Coq enable users to construct machine-checkable proofs in a step-by-step manner. Hence, they provide an opportunity to explore theorem proving with human supervision. We use GamePad to synthesize proofs for a simple algebraic rewrite problem and train baseline models for a formalization of the Feit-Thompson theorem. We address position evaluation (i.e., predict the number of proof steps left) and tactic prediction (i.e., predict the next proof step) tasks, which arise naturally in tactic-based theorem proving.
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 计算机科学中的逻辑 (cs.LO); 机器学习 (stat.ML)
引用方式: arXiv:1806.00608 [cs.LG]
  (或者 arXiv:1806.00608v2 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.1806.00608
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Daniel Huang [查看电子邮件]
[v1] 星期六, 2018 年 6 月 2 日 09:19:08 UTC (585 KB)
[v2] 星期五, 2018 年 12 月 21 日 18:37:30 UTC (614 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2018-06
切换浏览方式为:
cs
cs.AI
cs.LO
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号