LANTERN：利用语言模型内部表征挖掘隐藏数学猜想
来自学术界的研究团队提出了 LANTERN，旨在探索语言模型的内部表征能否自主发现有潜力的数学关联。该系统通过在预训练模型的激活状态上构建分类器对候选关系进行低成本快速排序，随后结合分阶段过滤、假设生成、可执行代码验证及解析推导进行全面检验。在针对整数数列在线大全（OEIS）的测试中，LANTERN 评估了 1 万个常用数列组成的 5000 万对关联，成功发掘并验证了 62 个全新的数学猜想与联系。
推荐理由展示了利用大模型内部隐式表征引导数学猜想生成与自动化发现的有效范式，具有启发性。
原标题：LANTERN: Illuminating Hidden Mathematical Knowledge in Language Models
阅读 arXiv 自然语言处理 原文 ↗