ЛЕВЕР: Адаптивный поиск и/или графический поиск данных, свидетельствующих о затратах

arXiv: 2610.11862v1 Annualce Type: New Humber: Mathematicians ценит доказательства более чем правильности: среди точных доказательств, простота, чистота и вычислительная стоимость поиска их сильно различаются. Тем не менее теоремы LLM в основном ищут правильные доказательства и повышают их качество только после того, как они будут найдены. Мы предлагаем LEVER - алгоритм поиска доказательств, который делает цель над правильными доказательствами программируемой и оптимизирует ее во время поиска. LEVER получает частичные доказательства на графике ANC/OR, сочетая реализованные объективные значения с прогнозами открытых подцелей, так что объективный поиск руководства до завершения доказательств. Этот же механизм оптимизирует вычислительную стоимость, продолжительность доказываемых данных, тематическую примитивность и даже их взвешенные комбинации, в то время как ядро лени обеспечивает правильность. На PotnamBench в Lean 4, при совпадающих бюджетах, LEVER стоит на 34% меньше, чем сильный одноразовый агент, повышая скорость решения проблемы с 80% до 96%. В отношении сокращения масштабов тематической примеси, т.е.