创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

清华团队推出AWM形式化推理框架

AI 总结

清华大学姚期智、袁洋团队提出代数世界模型(AWM),通过探索陌生环境、修正规则假设,再将规则组织为数学模型,并在Lean 4中构造可由内核检查的证明。团队称,在ARC-AGI-3测试中,AWM六次运行均构造出预算内目标不可达的封闭证明,而配备编程工具的Claude Opus 5.5和GPT-6 Astra在十二次基线运行中均未产生此类证明。研究目前主要限于离散动作的ARC类环境,且形式化证明能否准确反映真实环境仍取决于模型前提是否正确。

深度见解

AWM让智能体能够用明确且可机器检查的证明支持对未探索行动的判断,并暴露结论所依赖的建模假设。

假设有一个游戏关卡,AI 尝试了很多次都没能通关,那么究竟是它还没找到解法,还是给定的行动次数根本不够?

前一个问题,只要找到任意一条获胜路线就能回答,但要证明无解,就必须排除所有合法路线,包括那些尚未尝试过的路线。如果游戏连规则都不公开,AI 还需要先弄清自己究竟在证明什么。通关和证明无解,难度完全不同。

为此,图灵奖得主、中国科学院院士、清华大学交叉信息研究院院长姚期智团队提出了“代数世界模型”(Algebraic World Model,AWM),一个将与陌生环境的交互转化为支持形式化推理的显式数学模型的框架。

AWM 首先通过交互探索环境,提出并修正规则假设,再将这些规则组织成数学模型,最终写入 Lean 4,构造可由内核检查的形式化证明。借助这套方法,AI 不仅能够回答怎样获胜,还能证明在给定约束下为什么无法获胜。

#Algebraic World Model#Tsinghua University#Lean 4#ARC-AGI-3#Claude Opus 5.5#GPT-6 Astra

原文约 6 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。