Основные понятия
失敗した探索経路の情報を活用することで、より効率的な定理証明が可能になる。
Аннотация
本論文では、直感的な命題論理定理の自動証明に取り組んでいる。従来の手法では、正しい証明経路のみを学習していたため、推論時に失敗した経路の情報を活用できないという問題があった。
本研究では、失敗した探索経路の情報も含めた完全な証明木を学習するモデル「TRIALMASTER」を提案している。具体的には以下の通り:
- 命題論理定理とその完全な証明木からなるデータセット「PropL」を構築した。ProPLには、正しい証明経路だけでなく、失敗した探索経路の情報も含まれている。
- TRIALMASTERは、この完全な証明木を学習することで、推論時に失敗した経路を避けつつ、より効率的な証明を行うことができる。
- 実験の結果、TRIALMASTERは従来手法と比べて、より高い成功率と低い探索コストを達成することができた。
- さらに、TRIALMASTERは自律的な逆行機能を身につけており、外部システムの支援なしに証明を行うことができる。
以上より、失敗情報を活用することで、より高度な定理証明が可能になることが示された。
Статистика
命題論理定理の証明に必要な探索ステップ数は平均して1500ステップ以内である。
提案手法TRIALMASTERは、従来手法と比べて72%少ない探索ステップ数で同等の成功率を達成できる。
Цитаты
"失敗した探索経路の情報は、モデルが逆行機能を身につけるのに役立つ。"
"提案手法TRIALMASTERは、外部システムの支援なしに自律的に証明を行うことができる。"