陶哲轩采用大型模型的证明助手Lean，展现其偏爱
「我预计，如果使用得当，到2026年，AI将成为数学研究和许多其他领域值得信赖的合著者。」数学家陶哲轩在之前的一篇博客中说道。陶哲轩这样说了，也这样做了。他最近一直在用GPT-4、Copilot、Lean等工具进行数学研究，并且还在AI的帮助下发现了自己论文中的一处隐藏bug。最近，陶哲轩表示Lean4项目已经成功完成了对多项式Freiman-Ruzsa猜想（PFR）的证明的形式化，仅耗时三周。与此同时，Lean编译器也报告该猜想符合标准公理。这是计算机和AI辅助证明的一项巨大成功，令人振奋关于上述研究的
「我预计，如果使用得当，到 2026 年，AI 将成为数学研究和许多其他领域值得信赖的合著者。」数学家陶哲轩在之前的一篇博客中说道。
陶哲轩这样说了，也这样做了。
他最近一直在用 GPT-4、Copilot、Lean 等工具进行数学研究，并且还在 AI 的帮助下发现了自己论文中的一处隐藏 bug。
最近，陶哲轩表示Lean4项目已经成功完成了对多项式 Freiman-Ruzsa 猜想（PFR）的证明的形式化，仅耗时三周。与此同时，Lean编译器也报告该猜想符合标准公理。这是计算机和AI辅助证明的一项巨大成功，令人振奋
关于上述研究的更多内容，感兴趣的读者可以参考《陶哲轩用 AI 形式化的证明究竟是什么？一文看懂 PFR 猜想的前世今生》。
看到这，细心的读者可能已经发现了端倪，陶大神在进行数学研究时，多次都提到过 Lean。简单来讲，Lean 是一种可帮助数学家验证定理的编程语言，用户可以在其中编写和验证证明。相比初代 Lean，现在最新的 Lean 4 版本进行了多项优化，包括更快的编译器、改进的错误处理和更好的与外部工具集成的能力等。
在数学领域被广泛使用的 Lean，在大模型（LLM）刷屏的今天，两者有没有更好的结合方式呢？
现在已经有人实现了，开放平台 LeanDojo 团队（关于 LeanDojo，可参考「AI 大模型帮陶哲轩解题，还能证明数学定理了？」）和加州理工学院的研究者推出了 Lean Copilot，这是一款专为 LLM 与人类交互而设计的协作工具，旨在通过人机协作给出 100% 准确的形式化数学证明。
值得注意的是，LeanDojo 团队的研究主要集中在使用 LLM 自动化定理证明方面，从这点也不难看出，他们推出的 Lean Copilot 和 LLM 相关也不会令人吃惊。
项目地址：https://github.com/lean-dojo/LeanCopilot
对于这项研究，大家除了说 Cool，就是 very cool，评价还是很高的。
在 Lean 中使用 LLM，加快数学证明速度
一直以来，自动化定理证明面临重重困难，传统上，数学证明依赖于手工推导，需要细致的验证。现在随着 AI 的进步，研究者开始借助人工智能进行深入探索，但又免不了出现这种问题，即 LLM 在数学和推理任务中有时不是很靠谱，容易出现错误和幻觉。
Lean Copilot的功能是让用户可以在Lean中利用大型语言模型自动化证明过程，提高证明合成的速度。当需要时，用户还可以无缝地介入和修改，实现机器智能和人类智慧之间的平衡协作
使用Lean Copilot可以在Lean中使用LLM来实现证明自动化，包括策略建议、前提和搜索证明
用户可以选择使用LeanDojo提供的内置模型，或者导入自己的模型。这些模型可以在本地运行（无论是否有GPU），或者在云端运行
简而言之，Lean Copilot 为用户提供了一个灵活的方式，通过引入 LLM 来增强和优化在 Lean 中进行定理证明的过程。
Lean Copilot 的主要特点可总结为：
- LLM 能够提出证明步骤，搜索证明，并从大型数学库中选择有用的引理。
- Lean Copilot 可作为 Lean 包进行设置，并且能够无缝地在 Lean 的 VS Code 工作流中运行。
- 用户可以使用 LeanDojo 中的内置模型，或者使用自己的模型，这些模型可以在本地（有或没有 GPU）或云端运行。
- 该工具可在各种平台上运行，包括 Linux、macOS 和 Windows WSL。
为了使 LLM 更易于 Lean 用户使用，Lean Copilot 希望能够启动一个正反馈循环：证明自动化将带来更好的数据，并最终提高 LLM 在数学上的性能。
Copilot的效果演示
大家可以根据官方教程来配置 Lean Copilot，配置完成之后就可以开始实验了。项目的作者还提供了一些官方示例供参考
推荐方案。在导入LeanCopilot后，您可以使用suggest_tactics生成推荐方案。在使用过程中，您也可以点击推荐方案，并在证明中使用它（参考下图）
你可以使用一个前缀，比如simp，来限制生成的策略
搜索证明。使用search_proof将LLM生成的策略与aesop（Lean 4的白盒自动化项目）结合起来，以搜索多个策略证明。找到证明后，您可以单击该策略将其插入到编辑器中
重写后的内容：选择前提是一项重要策略。该策略的目的是检索一份潜在有用前提的清单。目前，Lean Copilot会利用LeanDojo中的检索工具，从Lean和mathlib4（即Lean 4数学库）的固定快照中选择前提
您可以运行LLM。无论是定理证明还是其他推理，都可以在Lean中运行LLM。您可以在本地或远程运行任何模型（请参阅自带模型）
项目中还提到了一些高级用法，感兴趣的读者，可以去原项目了解更多内容。
5月30日，华为推出了全新的AI模型——盘古UltraMoE，该模型的参数量达到了7180亿。作为一款接近万亿参数的MoE(MixtureofExperts)模型，它在整个训练过程中完全基于华为的昇腾AI平台完成，标志着华为在超大规模模型训练方面取得了重要进展。盘古UltraMoE的成功训练离不开盘古团队研发的一系列创新技术。例如，Depth-ScaledSandwich-Norm(DSSN)稳定架构的引入，显著改善了超大规模模型训练期间出现的梯度异常及
AI视频生成正迎来属于“通义”的高光时刻！就在昨晚，阿里巴巴悄然推出了一款由音频驱动的14B视频大模型——Wan2.2-S2V。只需上传一张静态图片和一段音频，就能生成出面部表情生动、口型精准匹配、肢体动作流畅自然的电影级数字人视频，效果惊艳。实际效果展示如下：△来自@AIMIRAI46487更令人振奋的是，这款新模型一经发布便全面开源，现在所有人都可以免费在通义万相官网体验使用。据官方介绍，Wan2.2-S2V的核心优势包括：支持最长分钟级的单次视频生成，画面稳定且具有一致性；具备影院级别的音
近日，有汽车领域博主爆料，特斯拉的FSD（完全自动驾驶）辅助系统将迎来一次重要升级，或将实现更真实的环境场景还原。在最新曝光的软件代码中，发现了大量新增的渲染模型，涵盖多种车辆与行人类型。这些新增模型包括救护车、消防车、垃圾清运车、校车、半挂式卡车、高尔夫球车、骑电动滑板车的行人、使用轮椅的行人、玩滑板的行人、推婴儿车的行人，以及道路清扫车、三轮车、拖车、火车和有轨电车等。这一系列高精度建模意味着FSD系统将能更准确识别并响应复杂交通参与者的行为。据CNMO掌握的消息，日本方面已为特斯拉FSD系统的落地扫
大语言模型面对加密数据，即便最新的Qwen3也会感到压力！尽管当下各类推理模型在多种基准测试中表现优异，但在密码学这样对逻辑严谨性和细节准确性要求极高的专业领域，模型的推理能力还有待深入挖掘。密码学不仅要求模型具备高级数学运算能力和严密的逻辑推理链，还需要其能够精准辨识复杂加密模式中的潜在规律；成功解密要求模型拥有极强的综合推理能力。上海AILab等联合推出的CipherBank测评，使用大量真实隐私场景数据和多种密码算法，严苛挑战当前最先进的大模型。CipherBank的测评结果显示，目前的大语言模型
现在，请大家一起来数一下"1"、"2"。OK，仅仅2秒的时间，一个接近万亿规模的MoE大模型就已经掌握了如何解答一道高等数学难题的方法！而且呢，这个大模型还是完全依靠国产设备进行训练的，整个流程都体现了浓浓的“国产”特色。这就是华为借助"昇腾+PanguUltraMoE"这一组合实现的成果——不仅达成了国产算力与国产模型在全流程上的自主可控训练闭环，还在集群训练系统的性能方面达到了行业顶尖水平。有多顶尖？来看一组数据：预训练阶段：昇腾Atlas800TA2万卡集群的MFU提升
只需动动嘴，就能操控GUI代理？由美团与浙江大学联合推出的GUIRoboTron-Speech——让你彻底解放双手，直接对设备“发号施令”。这是首个可以直接通过语音指令和屏幕截图进行端到端（End-to-End）决策的自主GUI智能体，致力于为用户提供更自然、高效且无障碍的人机交互方式。从文本到语音，智能代理的新一轮进化目前，基于大语言模型（LLMs）的自主GUI智能体已经能够通过文本指令自动完成跨应用、多步骤的复杂操作，显著提升用户效率。然而，这种依赖文本输入的方式在某些场景中存在明显局限
哭死啊，全球狂炼大模型，一互联网的数据不够用，根本不够用。训练模型搞得跟《饥饿游戏》似的，全球AI研究者，都在苦恼怎么才能喂饱这群数据大胃王。尤其在多模态任务中，这一问题尤为突出。一筹莫展之际，来自人大系的初创团队，用自家的新模型，率先在国内把“模型生成数据自己喂自己”变成了现实。而且还是理解侧和生成侧双管齐下，两侧都能生成高质量、多模态的新数据，对模型本身进行数据反哺。模型是啥？中关村论坛上刚刚露面的多模态大模型Awaker1.0。团队是谁？智子引擎。由人大高瓴人工智能学院博士生高一钊创立，高瓴人工智能
强化学习（RL）结合真实搜索引擎可以显著提升大模型的检索和推理能力。然而，这一方法面临两大挑战：搜索引擎返回的文档质量不稳定，导致训练过程中的噪音和不稳定性；RL训练需要频繁部署，产生大量API开销，限制了可扩展性。针对这些问题，阿里通义实验室推出了开源解决方案ZeroSearch，这是一个无需与真实搜索引擎交互的强化学习框架。实验表明，ZeroSearch只需使用3B参数的LLM作为检索模块，就能有效提升搜索能力，并大幅节省API成本。ZeroSearch让LLM实现自给自足
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
