MathAdv: ما الذي تخفيه الدقة النهائية للبراهين الآلية
تقيّم مجموعة مهام تشخيصية تغطي 13 فرعًا جامعيًا ودراسات عليا في الرياضيات أنظمة البرهنة الآلية في Lean 4، ليس من حيث النتيجة النهائية فحسب، بل أيضًا من حيث الإلمام بالمادة وجودة الاستدلال غير الرسمي والقدرة على التعامل مع إعادة صياغة الشروط. ويُظهر التحليل التفصيلي أن تحويل المسألة إلى صيغة رسمية لا يزال العقبة الأبرز، وأن النجاح يعتمد بشدة على فرع الرياضيات وطريقة صياغة المسألة.

ما الذي يقيسه المعيار المرجعي تحديدًا
MathAdv هو معيار مرجعي تشخيصي لتقييم أنظمة إثبات النظريات. ويغطي 13 مجالًا من الرياضيات على مستوى الجامعة والدراسات العليا. ويختبر إثبات النظريات في Lean 4 وما يصل إلى ثلاث مهام مساعدة.
| المكوّن | ما الذي يختبره |
|---|---|
| إثبات النظريات في Lean 4 | قدرة النظام على إنشاء برهان صوري |
| أسئلة الاختيار من متعدد | المعرفة الرياضية |
| مهام ملء الفراغات | الاستدلال غير الصوري |
| إعادة صياغة متكافئة بإشراف خبراء | القدرة على مقاومة اختلاف طريقة عرض المسألة |
لا تُظهر الدقة الإجمالية لإثبات النظريات المرحلة التي يخسر فيها النظام النتيجة. ويفصل التقييم حسب المكوّنات بين المعرفة والاستدلال غير الصوري والصياغة الصورية والقدرة على مقاومة التغييرات. المعيار العملي: النظر إلى النتائج حسب المكوّنات، لا إلى الرقم الإجمالي وحده.
ما الذي لا تكشفه الدقة الإجمالية عن ظروف المسألة
تُخفي الدقة الإجمالية استجابة النظام للتلميحات وإعادة الصياغة. ولا يفصل مقياس واحد بين هذه الظروف. يوضح الجدول التأثيرات التي تضيع في الرقم الإجمالي.
| الشرط | الملاحظة | ما ينبغي التحقق منه |
|---|---|---|
| التلميحات باللغة الطبيعية | تساعد النماذج اللغوية الكبيرة متعددة الأغراض، وقد تعيق النماذج المتخصصة | النتيجة مع التلميحات ومن دونها |
| إعادة الصياغة المتكافئة | تكشف قيودًا جوهرية على القدرة على مقاومة التغييرات | النتيجة على الصياغات المُحوّلة |
تساعد التلميحات باللغة الطبيعية النماذج اللغوية الكبيرة متعددة الأغراض. وقد تعيق التلميحات نفسها النماذج المتخصصة في الإثبات. وتكشف إعادة الصياغة المتكافئة رياضيًا قيودًا جوهرية على القدرة على مقاومة التغييرات.

لا تفصل الدقة الإجمالية هذه التأثيرات عن النتيجة العامة للإثبات. ولا يوضح مقياس واحد المواضع التي يساعد فيها التلميح أو يعيق. المعيار العملي: تقييم الحساسية للتلميحات والقدرة على مقاومة إعادة الصياغة كلًّا على حدة.
الصياغة الصورية والاختلافات بين مجالات الرياضيات
لا تزال الصياغة الصورية تمثل عنق زجاجة كبيرًا. وتختلف نتائج الأنظمة اختلافًا كبيرًا بين مجالات الرياضيات. ويغطي المعيار المرجعي مجالات الرياضيات على مستوى الجامعة والدراسات العليا. ويفصل الاختبار في Lean 4 بين الإثبات الصوري والمهام المساعدة.
| الملاحظة | دلالتها على التقييم |
|---|---|
| الصياغة الصورية هي عنق الزجاجة | قد تكون الدقة الإجمالية محدودة بترجمة المسألة إلى بيئة صورية |
| الاختلافات بين المجالات | تخفي النتيجة الإجمالية التباينات بين المجالات |
المعيار العملي: مقارنة الأنظمة حسب مجالات الرياضيات ومرحلة الصياغة الصورية. ولا يوضح مقياس إجمالي واحد موضع خسارة النظام للبرهان.
كيفية استخدام المعيار المرجعي عند اختيار نظام
يكشف التقييم حسب المكوّنات إمكانات النماذج وأسباب إخفاقها. وتتوفر مجموعة البيانات والبرامج النصية للتقييم عبر رابط في صفحة المقالة. قُدّمت النسخة الأولى من المقالة في 26 أغسطس 2026؛ وآخر نسخة مذكورة هي v3 بتاريخ 19 أكتوبر 2026.
معايير التحقق:
- تقسيم النتائج حسب مجالات الرياضيات؛
- نتيجة منفصلة للصياغة الصورية في Lean 4؛
- مقارنة الأداء مع التلميحات باللغة الطبيعية ومن دونها؛
- الاختبار على إعادة صياغة متكافئة رياضيًا؛
- إصدار المقالة وتاريخها مع وصف التقييم.
تكشف هذه المجموعة من المعايير ما تخفيه الدقة الإجمالية. المعيار العملي للاختيار: مقارنة ملف المكوّنات، لا الدقة الإجمالية وحدها.
الأسئلة المتكررة
المواد ذات الصلة
جميع المواد
AffordanceWAM: إمكانات الفعل كوسيط بين التنبؤ بالمشهد والتحكم في الذراع الروبوتية
يصف العمل نموذجًا توليديًا يتنبأ في الوقت نفسه بمشاهدات RGB المستقبلية والحقول العددية والخرائط الحرارية لإمكانات التفاعل، وبأوامر الروبوت المستمرة، مستفيدًا من مقاطع الفيديو البشرية لزيادة تنوع التفاعلات دون الحاجة إلى تعليقات توضيحية للأفعال أو إعادة استهدافها. وفي RoboCasa وCALVIN ABC→D والمهام الواقعية، يحقق هذا النهج تحسنًا ثابتًا مقارنةً بالخطوط الأساسية المعتمدة على RGB فقط أو على بيانات الروبوت فقط.
9 نوفمبر 2026
تحرير العروض التقديمية كعمليات قابلة للتحكم: إطار العمل EditPPT ومعيار DeckEdit-Bench
يحلل المؤلفون تحرير الشرائح عبر تحديد العناصر المستهدفة والإجراءات المسموح بها والتحقق من بقاء المحتوى غير المستهدف دون تغيير، بدلًا من توليد الشيفرة بحرية. ولقياس الجودة، أنشؤوا DeckEdit-Bench (183 مهمة على 28 عرضًا تقديميًا من إعداد أشخاص)، وأظهر مخطط EditPPT متعدد الوكلاء، باستخدام خمسة نماذج أساسية، نجاحًا في 66.7–74.9% من المهام مع الحفاظ على أكثر من 97% من المحتوى.
8 نوفمبر 2026
الهندسة غير الإقليدية للعوامل: خريطة FactoMap لفصل التمثيلات
يُقترح أسلوب لوصف فضاء العوامل عبر مناطق، وتكافؤات يحددها المولّد، ومقاييس محلية، ما يتيح التمييز بين الحالات المتقاربة طوبولوجيًا ذات الهندسات المختلفة. يدرّب أسلوب FactoMap نماذج أولية قابلة للتفسير على شبكة منظّمة، ويُظهر في التجارب حفاظًا أكثر استقرارًا على استمرارية العوامل وفصلها.
8 نوفمبر 2026