Эксперимент
Графовое решение задач: как это работает
SciLib решает математическую задачу не одним ответом модели, а деревом шагов. Модель предлагает несколько идей, развивает каждую в вариант решения, делит его на шаги и проверяет их в Lean 4 и sympy. Весь ход записывается как граф, а итогом становится одно последовательное доказательство.
Как идёт решение
Постановка
Вы описываете задачу текстом, формулы — в LaTeX. Формализация в Lean 4 необязательна.
Идеи
Модель предлагает до восьми независимых идей решения. Каждая идея — отдельная ветка графа.
Варианты и шаги
Идея становится вариантом решения. Вариант либо решается сразу, либо делится на шаги; трудный шаг делится дальше.
Решение шага
Для каждого шага модель пишет текст решения, код Lean 4 и, если есть что посчитать, проверочный скрипт sympy.
Проверка
Код Lean компилируется на сервере с Mathlib, скрипт sympy исполняется в песочнице. При ошибке модель получает её текст и пробует исправить шаг.
Сборка и полнота
Решения шагов собираются в решение варианта. Отдельная ветка доказывает полноту: что других решений нет.
Итоговое решение
Из проверенного материала составляется одно последовательное доказательство: ответ, доказательство, полнота и список того, что осталось недоказанным.
Что проверяется
Тексту модели система не верит на слово. Всё, что поддаётся машинной проверке, проверяет сама система, а не модель.
- Lean 4
- Формальную часть шага компилирует Lean 4 с библиотекой Mathlib. Отметка «Lean ✓» означает, что код принят компилятором. Неудачные попытки тоже сохраняются: на странице видны код и текст ошибки.
- sympy
- Конкретные утверждения — корни, тождества, разложения — проверяются символьно. Опровергнутое утверждение возвращается модели на исправление; если это не помогло, ветка закрывается как неудачная.
- Отказы
- Ответ вида «здесь это решить нельзя» не считается решением: ветка помечается как отказ.
- Вырожденные формализации
- Тавтология или теорема о другом объекте компилируется, но о задаче ничего не доказывает. Такой код не засчитывается как проверенный.
Модели: Helium, Ferrum, Plutonium
Кто решает задачу, вы выбираете при постановке. Метод во всех трёх режимах один; различается то, какая модель планирует и какая решает шаги.
Helium локальная модель
Открытая модель на нашем оборудовании. Запуски бесплатны и не ограничены по числу. Решает медленнее остальных; Lean проходит на отдельных шагах, целиком формальное решение — редкость.
- Планирует
- Helium
- Решает шаги
- Helium
- Время на задачу
- час и дольше
- Проверено в Lean
- на отдельных шагах
- Запуски
- без ограничений
Ferrum комбинированный режим
Сильная модель планирует, делит задачу на шаги, собирает решение и доказывает его в Lean; элементарные шаги решает Helium. Заметно дешевле Plutonium при близкой доле проверенных решений, по времени — ближе к Helium.
- Планирует
- Plutonium
- Решает шаги
- Helium
- Время на задачу
- 40–60 минут
- Проверено в Lean
- большинство решений
- Запуски
- дневной лимит
Plutonium сильная модель
Сильная облачная модель делает всё сама: планирует, решает шаги, собирает решение и доказывает его в Lean. Самый быстрый и надёжный режим.
- Планирует
- Plutonium
- Решает шаги
- Plutonium
- Время на задачу
- 10–25 минут
- Проверено в Lean
- большинство решений
- Запуски
- дневной лимит
| Модель | Задач | Итоговых решений | Из них проверено в Lean | Время на задачу |
|---|---|---|---|---|
| Plutonium | 5 | 40 | 32 (80 %) | ≈ 16 мин |
| Ferrum | 3 | 24 | 20 (83 %) | ≈ 47 мин |
| Helium | 1 | 8 | 0 (0 %) | ≈ 92 мин |
Выборка мала: числа показывают порядок величин, а не точную статистику. У Helium Lean прошёл на 11 отдельных шагах, но целиком ни одно итоговое решение не проверено.
Что вы получаете
- Итоговое решение
- Одно последовательное доказательство на русском языке с отрисованными формулами: ответ, доказательство, полнота и то, что осталось недоказанным. Шаги, которые опираются на проверенный код Lean, помечены.
- Ход решения
- Дерево: вариант → шаги → решение шага. У каждой строки видно, решён ли шаг, прошёл ли Lean и сколько было попыток.
- Граф решения
- Интерактивный граф всего прогона. Любой узел открывается: текст, код Lean, результат проверки.
- Письмо по готовности
- Задача решается в фоне. Страницу можно закрыть: ссылка на результат придёт на почту.
Готовые примеры — в библиотеке решённых задач: 59 уравнений бенчмарка PolyaninBench, решённых этим методом на модели Helium, у каждого свой граф решения.
Границы метода
- «Решение найдено» — структурный итог: все ветки закрыты, тексты собраны. Верна ли математика, оцениваете вы: автоматического судьи для пользовательских задач нет.
- «Lean ✓» подтверждает код, а не то, что формулировка теоремы совпадает с условием задачи.
- Helium редко доводит решение до полной формальной проверки; Ferrum и Plutonium — заметно чаще.
- Одновременно решается одна задача пользователя; число запусков Ferrum и Plutonium в день ограничено.
Вопросы и ответы
Что такое графовое решение?
Это способ решать математическую задачу не одним ответом модели, а деревом шагов. Модель предлагает несколько идей, каждая идея становится вариантом решения, вариант делится на шаги, шаги решаются и проверяются по отдельности, а затем собираются в одно доказательство. Весь ход записывается как граф, и каждый его узел можно открыть.
Чем отличаются Helium, Ferrum и Plutonium?
Helium — локальная модель на нашем оборудовании: запуски бесплатны и не ограничены, но решение идёт час и дольше, а Lean проходит только на отдельных шагах. Plutonium — сильная облачная модель: 10–25 минут на задачу, большинство решений проверено в Lean. Ferrum — комбинированный режим: планирует и собирает решение Plutonium, элементарные шаги решает Helium.
Означает ли отметка «Lean ✓», что задача решена верно?
Нет. Отметка означает, что формальный код шага прошёл проверку компилятором Lean 4. Формулировку теоремы тоже пишет модель, и она может выражать не совсем то, что требуется в задаче. Вырожденные формализации система отсеивает, но соответствие формулировки условию оценивает человек.
Сколько времени занимает решение?
От десяти минут на Plutonium до часа и дольше на Helium. Задача решается в фоне: страницу можно закрыть, по готовности приходит письмо со ссылкой на результат.
Какие задачи можно ставить?
Задачи с точной математической постановкой: уравнения — алгебраические, функциональные, дифференциальные, интегральные — и утверждения, которые нужно доказать. Постановка пишется текстом, формулы — в LaTeX; формализация в Lean 4 необязательна.
Кто видит мои задачи и решения?
Только вы: задачи ставятся в личном пространстве после входа. В публичной библиотеке — только задачи бенчмарка PolyaninBench. В режимах Ferrum и Plutonium постановка передаётся на обработку облачной модели.