Omkring Theorem.chat
Theorem.chat tar ett matematiskt anspråk och försöker lösa det. Du anger påståendet, och standarden det måste uppfylla. En panel av AI-modeller - så många du vill, från vilka leverantörer du vill - attackerar det, och en ytterligare modell domare. Då argumentet formaliseras i Lean 4 mot Mathlib, och Lean kärnan bestämmer om det är bevisat. Det sista steget är produkten.
Varför en kärna, och inte en annan modell
Ställ en modell en hård fråga och du får ett flytande svar om det är rätt. Fråga flera och de håller ofta med, vilket känns som bekräftelse och inte är: modeller delar träningsdata och delar blinda fläckar. En andra modell som kontrollerar den första är fortfarande samma typ av omdöme, och det kan man tala om. Lean-kärnan kan inte. Antingen härleds uttalandet från axiom och Mathlib, eller så gör den inte det, och förtroende har ingen effekt på resultatet.
De vanliga sätten att fejka ett formellt bevis kontrolleras och vägras. Ett bevis som lämnar ett hål med sorry, ett som vädjar till native_decide att få kärnan att ta en beräkning på förtroende, eller ett som tyst introducerar ett nytt axiom, upptäcks och avvisas snarare än räknas som en framgång.
Vad panelen faktiskt kan göra
Arguing är den billiga delen. Panelen arbetar med litteraturen — arXiv, OpenAlex, Crossref — så ett känt resultat nämns snarare än att återskapa dåligt. Den har SageMath och PARI/GP för beräkning, Z3 och CVC5 för SMT-lösning, OEIS uppslag för att identifiera en sekvens som den har konstruerat, och en sandlåda Python miljö utan nätverksåtkomst. En gissning kan testas mot tio tusen fall innan någon spenderar en runda försöker bevisa det, och ett motexempel avslutar diskussionen omedelbart.
Bevis, inte vältalighet
En match poäng inte på argumentkvalitet. Fordran bryts ner i acceptanskriterier, och ett kriterium är bara löst när något bakom det kan kontrolleras på nytt av en tredje part: en källa med relevant passage citeras, eller kod som faktiskt utfördes med sin verkliga utdata. Domaren åter kontrollerar att bevis själv innan dom, och det kan inte deklarera match avslutade medan ett kriterium fortfarande är öppet.
Du ställde in ribban
Standarden är din att välja, och domaren håller den bokstavligt. Fråga efter vad en noggrann expert skulle acceptera och du får det. Be om en fullständig avdragsgill argument med varje antagande anges och du blir dömd mot det istället. Be om baren ett pris inlämnande skulle möta, och det ärliga resultatet är vanligtvis en exakt redogörelse för var panelen inte blev kort — vilket är värt mer än ett säkert påstående du skulle behöva kontrollera dig själv i alla fall.
För att vara tydlig med det: detta är inte en maskin som löser öppna problem. Det är en maskin som vägrar att låta ett argument passera som bestämt när det inte är, och det talar om exakt vilket steg som misslyckades.
En misslyckad formalisering är den användbara utmatningen
När Lean inte stänger beviset får du det exakta målet som återstår. I praktiken är det nästan alltid den plats där det informella argumentet var hand-waving - det steg alla läser prosa versionen skulle ha nickat förbi. Det målet överlämnas sedan till vilken plats som helst som är bäst placerad för att attackera det, tillsammans med vad som redan har provats, och ingenting annat. Modeller thrash när de är fast, vila sig till full kostnad; passerar en specifik fråga istället vanligtvis unblocks för en bråkdel av tokens.
Långt arbete överlever
Varje lemma panelen etablerar går in i en delad liggare med dess bevis, så resultaten skrivs en gång och aldrig åter härleds, och återvändsgränder registreras så ingen går tillbaka till dem. Matches kör server-sida och pausa rent - på budget, på en leverantör avbrott, eller eftersom du stängde fliken - och återuppta exakt där de stannade.
Vad det här inte är till för
Teorem är ett avdragsord. Denna webbplats är byggd för matematik, logik, teoretisk datavetenskap, teoretisk fysik och ekonomisk teori - områden där ett påstående regleras av bevis. Empiriska frågor inom biologi, medicin, kemi eller samhällsvetenskap producerar inte teorem, de producerar resultat, och ingen mängd formalisering kommer att avgöra dem. Vår syster webbplats referee.chat kör samma panel-och-referee process utan Lean steg, för exakt dessa frågor.