数学论文自然语言与形式化证明的鸿沟
问题概述
随着大型语言模型在数学领域的应用，自然语言证明与形式化系统（如Lean）之间的鸿沟日益明显。用户反映 formalized Lean proof 往往不对应原始自然语言证明，LLM 在翻译时可能‘懒惰’，只满足最低形式要求而忽略更强的主张。此外，机械化印刷论文的过程常揭示原文中的跳步与手 waving，导致正式验证结果与原意不符。
痛点标签
- Formalization过程揭示原论文的错误与省略，如type setting errors、公式量词范围不匹配。
- LLM在翻译自然语言证明时‘懒惰’，生成的形式化代码满足定理但忽略了原文中的更强主张。
- Lean proof与prose (pdf) proof之间的鸿沟虽然不影响证明有效性，但降低了可解释性，且解释问题往往和证明本身同样困难。
- 机械化印刷论文是一项重复性强的劳动，常因跳步和手 waving而导致最终形式化结果与原意不符。
待验证问题
- 您是否愿意付费或更换工具，以获得能够在保持原始意图的同时桥接自然语言数学证明与形式化系统的解决方案？
- 您对Lean形式化与原始散文证明之间的鸿沟对您工作的可解释性有多重要？
- 您是否遇到过LLM生成的形式化验证在无意中强化或削弱了原始主张的情况？
证据
原话 · @Anonymous
In particular, we show that the formalised Lean proof does not correspond to the NL proof of blow-up of solutions to the Navier-Stokes equations.
原话 · @Anonymous
The paper shows that the Lean proof and the prose (pdf) proof do not match exactly.
原话 · @Anonymous
I recently spent 3 weeks with claude formalizing a CS paper about a borrow checker in lean
原话 · @Anonymous
the translator LLM got lazy and wrote the minimal amount of code that satisfied the theorem without the extra stronger claims
免责声明：本卡片由 AI 从社区讨论中提炼，属于「痛点证据」，是需求分析与验证的起点，不等同于「已验证的市场需求」。AI 存在分析局限，关键决策前请打开上方原始讨论人工复核。