نوشتن نقشه اثبات در Lean با هوش مصنوعی
قضیههای یک متن ریاضی را به تعریفها و اثباتهای واقعی پروژه وصل کنید و مشخص کنید کدام نتیجه کامل است و کدام هنوز به یک گام قبلی وابسته است.
نوشتن نقشه اثبات در Lean با هوش مصنوعی زمانی به تیم کمک میکند که یک نفر مقاله را از روی متن ریاضی میخواند و نفر دیگر دنبال همان نتیجه در فایلهای پروژه میگردد. ممکن است نام یک قضیه عوض شده باشد یا صورت رسمی آن شرطی داشته باشد که در توضیح جا افتاده است. اسکیل lean-blueprint به ایجنتتون کمک میکند قبل از علامت زدن کار به عنوان کامل، نام و صورت قضیه را در هر دو جا بررسی کند.
یک نتیجه اصلی را بردارید و از آن به عقب برگردید. ببینید کدام تعریف و کدام قضیه کمکی برای رسیدن به آن لازم است. اگر گامی در متن هست ولی در Lean آماده نیست، همین را ثبت کنید. همکار بعدی میفهمد کجا باید ادامه بدهد.
کاربردها
- وابستگی قضیهها را از نتیجه اصلی به عقب دنبال کنید و هر گره را به کاری تقسیم کنید که یک نفر واقعا بتواند روی آن کار کند.
- در نقشه اثبات بین صورت یک گزاره و برهان آن فرق بگذارید تا خواننده بداند برای هرکدام چه چیزی آماده است.
- نام قضیه را با فضای نام و صورت واقعی آن در کد تطبیق بدهید تا پیوند قدیمی به نتیجه مشابه ولی متفاوتی نرود.
- متن ریاضی را برای خواننده انسانی روشن بنویسید و اتصال فنی به کد را با نشانههای خود طرح نگه دارید.
- پس از تغییر یک تعریف، نتایجی را که از آن استفاده میکنند مرور کنید تا توضیح پروژه از نسخه فعلی کد عقب نماند.
نصب و استفاده
- فایلهای مجاز پروژه Lean، متن طرح موجود و هدف ریاضی را به ایجنت بدهید. برای تایید رسمی نتیجه به محیط سازگار همان پروژه نیاز دارید.
- مثلا بگویید «از این قضیه اصلی به عقب برگرد. وابستگیها را فهرست کن و فقط گرههایی را کامل علامت بزن که نام و صورتشان در کد بررسی شده است.»
- گراف و متن خروجی را با برنامهنویس یا ریاضیدان پروژه مرور کنید و هر وضعیت حلنشده را همانطور باز نگه دارید.
سوالات متداول
منبع
ساخته Texra (texra-ai). نام اصلی: lean-blueprint، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub