{
  "schema": "auturnal.deep-research-review.v2",
  "slug": "machine-checked-mathematics",
  "title": "从生成猜想到可检查证明：神经符号搜索中的验证器、规格与发现",
  "category": "数学与计算 · 形式化发现",
  "dek": "比较 AlphaGeometry 与 FunSearch，推导搜索效率、验证器可靠性和有限测试之间的逻辑边界。",
  "english": "Machine-assisted mathematical discovery combines proposal, search and verification, but the strength of a result is determined by the specification and verifier. We compare AlphaGeometry's auxiliary constructions with FunSearch's executable program search. A search-probability analysis, a budget-allocation model and a finite-test counterexample distinguish candidate discovery from proof. We propose independently replayable certificates and specification audits, while keeping benchmark coverage and mathematical generality separate.",
  "refs": [
    "alphageometry",
    "funsearch",
    "verify"
  ],
  "sections": [
    [
      "摘要",
      "生成模型能够提出辅助构造与程序片段，但数学结论是否成立取决于规格、验证器和可重放证据。AlphaGeometry 将神经构造与符号推导结合，FunSearch 则在可执行评价驱动下搜索程序。本文比较这两类闭环，并推导候选覆盖概率、搜索与验证预算分配以及有限测试的反例。核心结论是，可执行、高分和被证明不是同一个层级；验证器可靠性也不能代替问题翻译正确性。全文未宣称发现新数学定理，图只计算明确假设下的搜索关系。",
      [
        "alphageometry",
        "funsearch"
      ]
    ],
    [
      "1. 神经提案与符号闭包如何分工",
      "AlphaGeometry 中，符号引擎从已有对象和关系扩展推导闭包，语言模型在需要时提出辅助构造，为引擎增加新的对象。这个分工将不受限的提案空间与受规则约束的推导连接起来。其科学意义不是让语言模型的自然语言听起来更可信，而是把生成内容放入明确语法与检查流程。本文建议保存每次构造、加入后的推导图和最终依赖链，让后续读者看到模型到底贡献了哪个新对象，以及结论是否真的依赖该构造。",
      [
        "alphageometry"
      ]
    ],
    [
      "2. 基准表现必须连同可表达的问题范围理解",
      "AlphaGeometry 原文在 IMO-AG-30 上解出 25 题，但该集合来自可翻译到特定几何语言的题目，排除了某些不等式和组合几何等类型。这个结果支持其在该几何环境中的推理能力，不能改写为通用数学问题的同等成功率。本文主张同时公开原始题目、形式化版本、被排除的题型和人工核对规则。即使检查器完全正确，若形式化遗漏了非退化条件或把区间位置改成共线关系，所证明的命题也可能与原题不同。",
      [
        "alphageometry"
      ]
    ],
    [
      "3. FunSearch 的发现过程以可执行评价为中心",
      "FunSearch 将语言模型生成程序与评价函数、候选数据库和种群选择连接起来，利用高分候选构造后续提示。程序作为输出比单个答案包含更多可解释结构，但评价函数定义了系统实际优化的问题。若评价仅覆盖有限实例，高分支持的是这些实例上的表现；若输出构造满足可独立检查的约束，则可以形成更强证据。本文建议把问题规格、评价器和搜索器作为三个分别版本化的对象，而不把“程序通过运行”直接称为数学证明。",
      [
        "funsearch"
      ]
    ],
    [
      "4. 本文推导：更多采样改善存在性，不保证选中正确答案",
      "假设独立候选各以概率 p 正确，n 次采样中至少存在一个正确候选的概率为 1−(1−p)^n。这个关系描述候选池的覆盖，却没有包含验证器选中谁。若候选高度相关，独立假设会高估收益；若验证器误报，多采样还会增加错误通过机会。图同时绘制覆盖率与错误通过概率，使用明确的 p 和误报率。它不估计任何实际定理证明器，而是说明搜索预算必须连同选择和验证规则一起报告。",
      []
    ],
    [
      "5. 本文分析：验证预算与提案预算需要共同优化",
      "设总时间预算 B，每个提案成本 cg、每次检查成本 cv，完整检查的候选数至多为 B/(cg+cv) 的向下取整。更复杂的验证器可能降低误报，却减少可检查候选；更快的提案器也可能生成大量重复对象。本文提出以“单位预算获得的可重放有效证据”作为终点，分别记录生成、去重、验证与最终证书成本。只把模型前向速度写成发现加速，会漏掉最耗时的符号展开、编译或独立重放步骤。",
      []
    ],
    [
      "6. 本文反例：有限测试不能证明无界输入上的正确性",
      "对任意有限测试点集合，可以构造一个多项式在这些点全部为零，却在其他点非零。因此，一个候选函数通过全部有限样本，不保证它在无界域满足同一性质。本文用测试点 0、1、2、3 和多项式的平方构造直观曲线：测试点处完全通过，点外迅速偏离。这个反例不否定数值实验的价值，而是要求准确命名证据。有限域的穷举、可核验构造、形式证明和经验测试分别有不同逻辑强度，不能用统一“验证通过”标签掩盖。",
      []
    ],
    [
      "7. 证明检查也有规格与可信基的边界",
      "一个小型独立检查器可以显著缩小需要信任的代码范围，但仍须核对公理、语义、计算内核与输入翻译。本文建议把搜索期间使用的复杂工具与最后证书重放分开：搜索可以使用启发式，最终结论依赖明确可检查步骤。若存在外部数值调用、未证明的假设或超时后人工补写，应在证书中显式列出。检查器接受证明说明相对于给定体系成立，不意味着原始现实问题的建模或测量也已正确。",
      []
    ],
    [
      "8. 搜索所得分数容易受评价器选择影响",
      "反复对同一评价器优化，相当于把它逐渐变成训练目标。FunSearch 的闭环利用这一机制寻找更好程序；但对研究比较而言，还需要冻结外部测试实例或独立证明来判断迁移。本文建议记录全部搜索轮次、候选家族和改动评价器的时间，另设未参与搜索的实例规模或结构。若一个启发式只在熟悉分布上改善，应把它称为该分布的有效策略，而不是泛化到任意规模的定理。",
      [
        "funsearch",
        "verify"
      ]
    ],
    [
      "9. 新发现应区分新数值、新构造与新定理",
      "提高某个有限问题的下界、找到更好的可行构造、发现一个规律和证明一般命题都是有价值成果，但交付形式不同。本文提出一张发现卡：原始规格、已知基线、候选程序、独立检查、适用输入范围以及未证部分。若候选程序包含可被数学解释的结构，应把规律作为新假说单列，再给出证明或反例检验。不能因为模型生成了人类尚未写过的程序，就自动声称它解决了普遍数学问题。",
      []
    ],
    [
      "10. 可复现比较应让失败也可解释",
      "我们提出按问题类型和复杂度预注册集合，对每种方法匹配总计算与人工预算。主要终点为独立重放成功的题目比例，辅以证书大小、搜索时间与翻译失败。未表达、未找到、检查拒绝与资源耗尽应分别统计。这样才能判断新方法改善的是对象生成、推导能力、搜索策略还是工程吞吐，而不把所有失败压成一个难以诊断的“未解”。",
      []
    ],
    [
      "技术补充 A · 依赖图揭示提案的实际贡献",
      "一个辅助点出现在最终图中，不代表证明真正需要它。可从目标结论回溯推导依赖，删除无关前提和中间项，再独立重放剩余证书。AlphaGeometry 相关工作展示了依赖追踪的重要性。本文建议把最小化前后的证书和被移除条件一起保存；如果删去前提后得到更一般命题，还要重新核对原题中的范围和非退化条件。简化依赖图是发现线索，而不是允许忽略语义差异的捷径。",
      [
        "alphageometry"
      ]
    ],
    [
      "技术补充 B · 适应性搜索会改变有效样本",
      "候选由前轮优胜程序生成，分数和结构因此相关。把所有候选看成独立伯努利样本，会夸大搜索覆盖；只统计最终种群又可能隐藏大量失败计算。本文建议以独立搜索运行和问题为主要统计单位，保留祖先关系与重复检测。若想比较生成器，应固定评价与种群规则；若比较完整系统，则匹配总预算并对组件做消融。统计独立性的层级应与主张一致，不能用巨大候选数代替少数独立问题。",
      [
        "funsearch"
      ]
    ],
    [
      "技术补充 C · 评价器漏洞与数学反例不同",
      "程序可以利用实现细节、溢出、超时或未检查输入获得高分，这不一定是对数学目标的有效改进。本文建议在隔离运行之外设置独立语义检查，并对边界、极端和结构化输入做测试；若成果是可行构造，还应由不同实现重新检查约束。发现评价器漏洞应作为工程缺陷记录，不能被计入数学发现。相反，一个合法反例推翻原猜想是科学成果，两者需要靠规格与独立检查明确区分。",
      []
    ],
    [
      "技术补充 D · 有限域的穷举具有明确边界",
      "有限测试不构成无界证明，但若问题域本来就是精确定义的有限集合，完整穷举可以形成强证据，前提是枚举无遗漏且检查器正确。本文建议记录域大小、枚举规则、去重和分片覆盖，并为总计数提供独立核对。若利用对称性缩减，需要说明等价关系和代表元完备性。不能把抽样检查误称穷举，也不能因使用了计算机就否定有限域证明；关键在于范围和覆盖是否可被独立确认。",
      []
    ],
    [
      "11. 结论：机器发现的强度来自可检查的承诺",
      "神经符号系统最有价值的地方，是让生成模型的探索能力服务于明确的逻辑或程序约束。本文的概率、预算与有限测试反例说明，找到候选、通过评价和获得证明之间存在不可跳过的步骤。公开交付应让一个不信任生成模型的读者也能检查关键结论，并知道证据适用于哪一类问题。这样的发现才有机会成为可以积累、比较和推广的数学知识。",
      []
    ]
  ],
  "equations": [
    {
      "tex": "P(\\exists\\ \\mathrm{correct})=1-(1-p)^n",
      "explanation": "独立候选存在性，不包含验证器选择能力。"
    },
    {
      "tex": "n_{\\mathrm{checked}}\\le\\left\\lfloor\\frac B{c_g+c_v}\\right\\rfloor",
      "explanation": "顺序生成并逐一验证的简化预算界；并行与共享开销需另计。"
    },
    {
      "tex": "g(x)=\\left[\\prod_{i=0}^{3}(x-i)\\right]^2",
      "explanation": "有限测试反例：在 0、1、2、3 全为0，其他点通常非0。"
    },
    {
      "tex": "P(\\mathrm{correct}\\mid\\mathrm{accept})=\\frac{p\\,t}{p\\,t+(1-p)f}",
      "explanation": "候选正确先验 p、验证器真通过率 t 与假通过率 f 决定最终可靠性。"
    }
  ],
  "table": {
    "headers": [
      "成果层级",
      "需要交付的证据",
      "不能自动升级为"
    ],
    "rows": [
      [
        "可运行程序",
        "输入、代码和运行条件",
        "所有输入正确"
      ],
      [
        "有限测试改进",
        "冻结实例及完整结果",
        "无界一般定理"
      ],
      [
        "可行构造",
        "独立可检查对象",
        "全局最优"
      ],
      [
        "下界提升",
        "构造与约束证明",
        "精确最优值"
      ],
      [
        "形式证明",
        "规格、公理、证书重放",
        "原题翻译已正确"
      ],
      [
        "一般发现",
        "明确命题与证明 / 反例",
        "只凭新颖程序成立"
      ]
    ]
  },
  "protocol": [
    "冻结原题与形式规格，显式核对非退化和范围条件。",
    "将搜索器、评价器与最终检查器分别版本化。",
    "匹配完整计算及人工预算，记录生成与验证成本。",
    "保留全部搜索和候选家族，避免重复计独立采样。",
    "以独立实例或证书重放验证，未证部分单独登记。",
    "区分未表达、未找到、检查拒绝和资源耗尽。",
    "报告构造、下界、经验规律与一般定理的不同证据等级。",
    "交付可在不调用生成模型时重放的证据，不把本文反例称为新定理发现。"
  ],
  "limitations": [
    "概率曲线假设独立候选，实际搜索有依赖。",
    "没有运行 AlphaGeometry 或 FunSearch。",
    "有限测试反例只说明逻辑边界，不评价特定程序成果真假。",
    "形式证明仍依赖规格和可信计算基。",
    "本文未宣称新的数学纪录、最优性或一般定理。"
  ],
  "diagram": [
    "原题与形式规格",
    "提案和辅助构造",
    "预算内搜索与去重",
    "独立检查与证书",
    "外部实例 / 语义核对",
    "发现层级及可重放交付"
  ],
  "keywords": [
    "AlphaGeometry",
    "FunSearch",
    "proof",
    "verification"
  ],
  "evidence": [
    {
      "source": "alphageometry",
      "result": "IMO-AG-30 中解出 25 题并生成可读证明。",
      "boundary": "集合受特定几何语言及题型范围限定。",
      "locator": "Benchmark definition; Table 1; translation scope"
    },
    {
      "source": "funsearch",
      "result": "将程序生成、评价与种群数据库构成搜索闭环。",
      "boundary": "证据强度取决于规格与评价的覆盖。",
      "locator": "FunSearch method; program database"
    }
  ],
  "research_questions": [
    "固定总预算后，更多候选还是更强检查器更有效？",
    "辅助构造的新颖性如何与推导规则的表达范围共同限制成功？",
    "程序搜索产生的有限改进能否提炼为可证明的一般结构？"
  ],
  "kind": "ai_assisted_research_guide",
  "author": "Codex（AI）",
  "original_language": "zh-Hans",
  "published_date": "2026-10-22",
  "edition": 7,
  "version": 5,
  "previous_version": "/guides/machine-checked-mathematics/v4/",
  "analytic": "machine-checked-mathematics",
  "peer_reviewed": false,
  "journal_publication": false,
  "disclosure": {
    "authorship": "Codex（AI）撰写的有来源研究综述与原创解析。原论文实验归原研究团队；本文计算仅检验所列公式和明示假设。",
    "figures": "概念封面由 ImageGen 生成。科学图由随文代码与数值文件绘制，图注逐项说明假设与测量口径。",
    "review": "本站尚无本篇独立同行评审或原创模型、临床及物理实验记录。"
  },
  "revision_note": "首次发布：AI与科学发现深度专题；保留逐节来源、原研究证据与作者解析的边界。",
  "section_kinds": [
    "source_based_review",
    "source_based_review",
    "source_based_review",
    "source_based_review",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "source_based_review",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "source_based_review",
    "source_based_review",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal"
  ],
  "sources": [
    {
      "id": "alphageometry",
      "title": "Solving olympiad geometry without human demonstrations",
      "authors": "Trinh et al.",
      "date": "2024-01-17",
      "url": "https://www.nature.com/articles/s41586-023-06747-5",
      "locator": "IMO-AG-30: 25/30; geometry-language coverage and excluded problem types; author correction noted.",
      "accessed_at": "2026-10-22",
      "rights": "Original primary source remains under its own license. Original attributed synthesis only; no source figures or full article reproduction."
    },
    {
      "id": "funsearch",
      "title": "Mathematical discoveries from program search with large language models",
      "authors": "Romera-Paredes et al.",
      "date": "2023",
      "url": "https://www.nature.com/articles/s41586-023-06924-6",
      "locator": "Program generation, evaluation function, population database and search; evaluator validity is part of the system.",
      "accessed_at": "2026-10-22",
      "rights": "Original primary source remains under its own license. Original attributed synthesis only; no source figures or full article reproduction."
    },
    {
      "id": "verify",
      "title": "Let's Verify Step by Step",
      "authors": "Lightman et al.",
      "date": "2023-05-31",
      "url": "https://arxiv.org/abs/2305.20050v1",
      "locator": "v1 abstract; process vs outcome supervision",
      "note": "Process supervision is compared to outcome supervision on MATH; a reported 78 percent is for a representative subset with the paper's selection procedure, not all mathematics.",
      "accessed_at": "2026-10-15",
      "rights": "Original source remains under its own license; only attributed factual synthesis, no source figures or long excerpts."
    }
  ],
  "figures": {
    "mechanism": {
      "url": "/guides/assets/v7-mechanism-machine-checked-mathematics-9655786bb03507e1.png",
      "kind": "conceptual_method_flow",
      "data": [
        "原题与形式规格",
        "提案和辅助构造",
        "预算内搜索与去重",
        "独立检查与证书",
        "外部实例 / 语义核对",
        "发现层级及可重放交付"
      ]
    },
    "analysis": {
      "url": "/guides/assets/v7-analysis-machine-checked-mathematics-bb9d27167fb151b8.png",
      "kind": "analytical_or_constructed_example",
      "data_url": "/guides/assets/v7-data-machine-checked-mathematics-902325161600bcd3.json",
      "assumptions": "Independent candidate probabilities hypothetical. g(x)=[x(x-1)(x-2)(x-3)]^2 is exactly zero at four test points, not elsewhere. Not a theorem-prover benchmark."
    }
  },
  "cover_provenance_url": "/guides/assets/v7-provenance-machine-checked-mathematics-2e6305e15b944495.json",
  "reproducibility_code_url": "/guides/assets/v7-analysis-code-0b757a44195bcec8.txt",
  "source_revision": "b7b48f7205d705b2a3d3e8de0be5e1b458e4869c",
  "pdf": {
    "document_id": "a4c95e2a-af5c-54da-bac9-ac6b7f82f850",
    "version_id": "65478d15-a233-554d-a2d2-289a5d2f584e",
    "media_type": "application/pdf",
    "authentication_required": true,
    "download_audited": true
  },
  "presentation_change": "Complete version-bound translated reading views and selectable authenticated original/translated PDFs; original scientific text and evidence retained.",
  "source_locale": "zh",
  "source_version_id": "763a38e7-24d8-5fb7-ada7-616ebda2f803",
  "translations": [
    {
      "locale": "en",
      "translation_id": "1f9256ff-58f8-505e-8908-5bca4f533174",
      "translated_content_sha256": "36725ee3a8bc14083b6e1dd0f2b26f2b372beb749075a77f9ce6625131cef52d",
      "sha256": "c757e666c01d297a175f3f6fb4c1c64c272085a2a682d7b80f248f91ce0306b0",
      "byte_length": 828953
    },
    {
      "locale": "es",
      "translation_id": "214ba9f7-eddc-5ab6-98d3-ea7a55bd7c52",
      "translated_content_sha256": "2c29496c2fbaa9a3c43ca806fedc68efa96887569553108cd9d090095e5b3ba8",
      "sha256": "bd4deb627e7c4cb3135a12d1cc33cb28828606d8832667cb161265cf4e8d654c",
      "byte_length": 840998
    },
    {
      "locale": "ja",
      "translation_id": "3e374167-0219-5b6d-9003-0b511016ff1c",
      "translated_content_sha256": "f58e0b7d576dfcc1699dae1f78f11768692c046d9e8078a0354a590693968fb6",
      "sha256": "158a13997788428ce7736a9f1b78c9b7dc492c483c6a1ae62cac658a6c49f2ab",
      "byte_length": 1026667
    },
    {
      "locale": "ar",
      "translation_id": "591f76b8-1166-5107-88fc-1ec08989b9d5",
      "translated_content_sha256": "2e915a72d7e9e1723b864e7ab06c27a490b4f0e93cf5f9863cf5b86b473494c7",
      "sha256": "848b4e3a32d58c0b3951a339473b253ce957f0c7c7118f2208ef3c67f1e77018",
      "byte_length": 834784
    }
  ]
}