跳到主要內容
2026-10-27 日報
研究與評測

Resolution 以多代理架構自動形式化奇異點解析,耗費 13.5 萬美元產出 60 萬行 Lean 程式碼

Import AI單一來源
尚未逐項核實

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

據電子報 Import AI 報導,AI 安全新創 Resolution(前身為 Sequent)發表研究宣稱,已利用多代理架構自動形式化統計學習理論中的「廣中奇異點解析」(Resolution of Singularities),旨在為損失曲面幾何(loss landscape geometry)與泛化能力關聯的研究奠定基礎。 該專案流程由研究員先與代理協同制定兩份計畫,包含一份高層次綱領與一份長達 112 頁、緊扣文獻並拆解為原子步驟的詳細規劃;隨後由協調代理(orchestrator agent)統籌調度子代理執行紙筆數學推導、撰寫 Lean 證明程式碼與進度檢驗,執行過程僅依賴初始規劃與過往累積的代理技能,未引入額外框架。 這項工作歷時約一週完成,共消耗約 1,000 億輸入 Token(其中 90% 為快取讀取)與 3 億輸出 Token,總計 Token 花費約 13.5 萬美元,產出約 60 萬行 Lean 程式碼。Resolution 指出,此成果已用於擴展奇異學習理論(singular learning theory),未來將藉由形式化理論深化對取樣機制的理解,進一步引導模型學習過程(稱為 patterning)以推進 AI 安全對齊。
讀原始報導

背景

自動形式化(Autoformalization)是指利用演算法將自然語言撰寫的數學敘述自動轉換為形式化規格與證明的技術,能推動形式化驗證與程式合成等領域的發展。Lean 則是一套開源的證明輔助工具(proof assistant)兼函數式程式語言,基於帶有歸納型別的構造演算(calculus of constructions with inductive types)構建,為數學邏輯推理提供了嚴格的電腦驗證環境。

來源

相關主題