Графовое решение задач: как это работает · SciLib

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.

Поставить задачу Библиотека решённых задач

Как идёт решение

  1. Постановка

    Вы описываете задачу текстом, формулы — в LaTeX. Формализация в Lean 4 необязательна.

  2. Идеи

    Модель предлагает до восьми независимых идей решения. Каждая идея — отдельная ветка графа.

  3. Варианты и шаги

    Идея становится вариантом решения. Вариант либо решается сразу, либо делится на шаги; трудный шаг делится дальше.

  4. Решение шага

    Для каждого шага модель пишет текст решения, код Lean 4 и, если есть что посчитать, проверочный скрипт sympy.

  5. Проверка

    Код Lean компилируется на сервере с Mathlib, скрипт sympy исполняется в песочнице. При ошибке модель получает её текст и пробует исправить шаг.

  6. Сборка и полнота

    Решения шагов собираются в решение варианта. Отдельная ветка доказывает полноту: что других решений нет.

  7. Итоговое решение

    Из проверенного материала составляется одно последовательное доказательство: ответ, доказательство, полнота и список того, что осталось недоказанным.

Схема графа решения Задача ветвится на идеи, каждая идея даёт вариант решения, вариант делится на шаги с проверкой в Lean, шаги сходятся в решение варианта. Отдельная ветка доказывает полноту. Решения и вывод о полноте собираются в итоговое решение. Задача Идея 1 Идея 2 Идея 3 Вариант 1 Вариант 2 тупик Шаг · Lean ✓ Шаг · Lean ✓ Шаг · sympy ✓ ★ Решение 1 ★ Решение 2 Полнота Шаг ∎ Вывод Итоговое решение
Так выглядит граф решения: слева задача, правее — идеи, варианты и шаги с проверками. Готовые решения вариантов и вывод о полноте сходятся в итоговое решение.

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
Замеры на задачах бенчмарка PolyaninBench, ноябрь 2026
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.