Автоматическая формализация математики давно выглядит как один из самых амбициозных сценариев для искусственного интеллекта. Не просто решить задачу, а аккуратно перевести доказательство из научной статьи в язык строгой проверки — так, чтобы каждая зависимость, каждая лемма и каждый переход выдержали машинную верификацию. Новая работа с arXiv под названием LeanMarathon показывает, что AI-системы начинают справляться не только с отдельными приёмами, но и с длинными доказательствами исследовательского уровня.
Суть результата звучит внушительно: LeanMarathon взяла две свежие математические статьи, связанные с четырьмя проблемами Эрдёша, и автономно формализовала все семь целевых теорем в Lean без единого sorry. В экосистеме Lean слово sorry означает заглушку: «здесь должно быть доказательство, но пока его нет». Поэтому отсутствие sorry — важный маркер: доказательства действительно прошли проверку, а не были только набросаны.
Почему длинные доказательства ломают AI
Обычный подход к автоформализации часто хорошо работает на коротких фрагментах: модель получает утверждение, пытается написать Lean-код, исправляет ошибки компилятора и движется дальше. Но исследовательская математика устроена иначе. Доказательство может занимать десятки страниц, зависеть от множества промежуточных лемм и требовать сохранения точного смысла исходной статьи на протяжении всей работы.
Авторы LeanMarathon формулируют проблему так: сбои возникают не только на «трудных леммах», а на масштабе. Утверждения начинают незаметно дрейфовать, зависимости спутываются, контекст стареет, а локальная правка в одном месте может испортить уже работающий фрагмент в другом.
Главная идея LeanMarathon: надёжная AI-математика требует не только сильного доказателя, но и устойчивой инженерной оболочки, которая удерживает цель, контекст и зависимости на протяжении всего длинного вывода.
Именно поэтому система описана не как один «бот-математик», а как multi-agent harness — многоагентная среда, где разные агенты выполняют разные роли: строят план, проверяют соответствие цели, доказывают фрагменты и чинят ошибки.
Как устроен LeanMarathon
Ключевая абстракция системы — evolving blueprint, то есть развивающийся чертёж доказательства. Это Lean-файл, который одновременно служит формальным скелетом доказательства, графом рассуждений на естественном языке и общей системой учёта для всех агентов.
Такой blueprint помогает избежать типичной проблемы длинных AI-запусков: когда модель много часов генерирует код, ошибается в середине, а затем правки превращаются в хаотичную цепочку регрессий. Вместо этого LeanMarathon разбивает процесс на локальные, проверяемые и восстанавливаемые транзакции.
Две стадии оркестрации
Система работает в два крупных этапа. Сначала она стабилизирует соответствие цели: проверяет, что формализуемые утверждения действительно совпадают с математическим содержанием статьи. Для этого используется состязательная проверка — один агент строит, другой аудитирует и ищет расхождения.
Затем LeanMarathon доказывает граф зависимостей снизу вверх. Если представить доказательство как DAG — ориентированный ациклический граф, — система начинает с динамических листьев, то есть с тех лемм, которые можно закрывать первыми, и постепенно поднимается к главным теоремам. Работа идёт параллельными раундами, а CI-проверки не дают протащить сломанный код дальше.
| Проблема автоформализации | Что делает LeanMarathon |
|---|---|
| Дрейф формулировок | Сверяет Lean-утверждения с исходным математическим смыслом |
| Запутанные зависимости | Ведёт общий blueprint и граф доказательства |
| Поломки после локальных правок | Использует CI-гейты и восстановимые транзакции |
| Долгие хрупкие запуски | Разбивает работу на параллельные проверяемые раунды |
Что именно удалось доказать
В эксперименте LeanMarathon проверяли на двух недавних исследовательских статьях, охватывающих четыре проблемы Эрдёша: №1051, №1196, №164 и №1217. По итогам трёх автономных запусков система формализовала все семь целевых теорем и доказала 258 лемм и теорем.
Особенно важно, что результат получен без заглушек. Для формальной математики это принципиально: красивая генерация текста здесь не считается успехом, если Lean не принимает доказательство. Машинная проверка превращает утверждение «AI решил» в гораздо более строгую формулу: «код компилируется, зависимости закрыты, пропусков нет».
Код проекта опубликован на GitHub, а препринт доступен в разделе CS.AI на arXiv по адресу arXiv:2606.05400. Это делает работу интересной не только для математиков, но и для разработчиков AI-инструментов: LeanMarathon показывает архитектурный путь к долгим задачам, где важны память, согласованность и проверяемость.
Практические выводы
- AI для математики становится инженерной системой. Одной большой модели недостаточно: нужны агенты, аудит, граф зависимостей и автоматическая проверка.
- Lean усиливает доверие к результату. Если доказательство принято Lean без sorry, оно прошло строгую формальную верификацию.
- Длинный горизонт важнее разового успеха. LeanMarathon ценен тем, что удерживает контекст на масштабе целых статей, а не отдельных задач.
- Подход применим шире математики. Идея blueprint может быть полезна в программировании, верификации кода и научных рабочих процессах, где критичны зависимости.
Конечно, LeanMarathon не означает, что AI уже заменил математиков. Скорее речь о новом типе соавтора: система помогает переводить человеческие доказательства в формальную форму, чинит локальные ошибки и выдерживает длинную цепочку рассуждений. Но выбор целей, интерпретация результата и научная интуиция по-прежнему остаются человеческой зоной ответственности.
Заключение
LeanMarathon — заметный шаг в сторону надёжной AI-автоформализации. Важность работы не только в цифрах «7 теорем» и «258 лемм», а в самой архитектуре: развивающийся blueprint, многоагентная проверка и доказательство DAG снизу вверх превращают хрупкий эксперимент в управляемый процесс.
Если эта линия исследований продолжится, AI-инструменты для формальной математики смогут стать обычной частью научной работы: не магической кнопкой «доказать всё», а дисциплинированным помощником, который помогает доводить длинные доказательства до машинно проверяемого состояния.
Читайте также
- Агрегаторы нейросетей без VPN: BotHub, SYNTX, MashaGPT — полный гайд
- Grok от xAI: как пользоваться нейросетью Маска из России и чем она отличается от ChatGPT
- Google Gemini из России: доступ, возможности и сравнение Pro/Ultra в 2026 году
- Claude из России: полный гайд по доступу к мощному AI-ассистенту Anthropic
