Scaling Accessible Mathematics on arXiv: HTML Conversion and MathML 4
Dieser Beitrag berichtet über den Fortschritt der experimentellen Initiative „HTML Papers" von arXiv im Zeitraum 2025–2026 und hebt gemeindegetriebene Verbesserungen der Genauigkeit, Umsetzungsarbeiten im Korpusmaßstab, die Einführung von MathML 4 für Barrierefreiheit sowie eine in Rust implementierte Portierung von LaTeXML zur Leistungssteigerung und Kostensenkung hervor.
Originalarbeit unter CC0 1.0 der Gemeinfreiheit gewidmet (http://creativecommons.org/publicdomain/zero/1.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das große Ganze: „Eingefrorene" Mathematik in „lebendigen" Text verwandeln
Stellen Sie sich die weltweit größte Bibliothek wissenschaftlicher Arbeiten (arXiv) vor, die derzeit mit Büchern gefüllt ist, die in einer sehr spezifischen, starren Tinte gedruckt wurden. Diese Bücher sehen wunderschön und präzise aus (PDFs), aber wenn Sie versuchen, sie mit einem Screenreader (für Blinde) zu lesen, in ein winziges Diagramm hineinzoomen oder einen Computer bitten, die Mathematik zusammenzufassen, bewegt sich die Tinte nicht. Sie ist „eingefroren".
Die Autoren dieses Papiers bauen ein neues System, um diese eingefrorene Tinte in „lebendigen Text" (HTML) zu verwandeln. Dieser lebendige Text kann sich an jede Bildschirmgröße anpassen, von Computern vorgelesen werden und von Suchmaschinen verstanden werden. Ihr Ziel ist es sicherzustellen, dass eine von einem Wissenschaftler verfasste mathematische Arbeit für jeden funktioniert, nicht nur für Menschen mit perfektem Sehvermögen und einem bestimmten Browser.
Die vier Hauptleistungen (Die „Highlights")
1. Die Lecks reparieren (Hilfe durch die Gemeinschaft)
Stellen Sie sich ihr neues System als ein neues Boot vor, das sie 2023 zu Wasser gelassen haben. Wie jedes neue Boot hatte es einige Lecks. Im letzten Jahr hörten sie auf die Passagiere (Leser und Autoren), die meldeten, wo das Wasser hereinkam. Sie haben etwa die Hälfte der 6.000 gemeldeten Probleme behoben. Jetzt arbeiten sie daran, das Boot so wasserdicht zu machen, dass 90 % aller Arbeiten ohne Untergang hindurchsegeln können.
2. Das „Intent"-Label (Computern das Sprechen beibringen)
Mathematik ist für Computer schwer vorzulesen, weil Symbole unterschiedliche Bedeutungen haben können. Ein kleines „x" könnte beispielsweise eine Variable, ein Multiplikationszeichen oder ein Buchstabe sein.
- Der alte Weg: Der Computer rät, oft falsch, und klingt roboterhaft oder verwirrend.
- Der neue Weg (MathML 4): Die Autoren fügen den mathematischen Formeln „Intent-Labels" (Absichtskennzeichnungen) hinzu. Es ist, als würde man ein Klebezettel auf ein Wort kleben, auf dem steht: „Sprechen Sie dies genau so aus, wie es geschrieben ist" oder „Dies ist ein spezifischer wissenschaftlicher Begriff". Dies hilft Screenreadern, die Mathematik klar vorzulesen, selbst wenn die Symbole seltsam oder neu sind.
3. Der Rust-Motor (Die Fabrik beschleunigen)
Das System, das die Arbeiten konvertiert, ist derzeit in einer alten Programmiersprache namens Perl geschrieben. Es ist wie eine Fabrik, die mit einem langsamen, alternden Motor läuft.
- Das Problem: Der Perl-Motor ist langsam, teuer im Betrieb und immer weniger Menschen wissen, wie man ihn repariert.
- Die Lösung: Sie bauen den Motor mit einer modernen Sprache namens Rust neu.
- Die KI-Wendung: Normalerweise dauert es Jahre, einen riesigen Motor von Hand neu zu schreiben. Allerdings haben sie eine sehr fortschrittliche KI (sogenannte „Agentic AI") eingesetzt, um ihnen beim Schreiben des Codes zu helfen. Die KI fungierte wie ein superschneller Lehrling und schrieb etwa 100.000 Zeilen Code in nur drei Wochen – Arbeit, für die zwei Menschen zwei Jahre gebraucht hätten.
- Das Ergebnis: Der neue Rust-Motor ist 10- bis 30-mal schneller. Das bedeutet, dass Autoren ihre Arbeiten fast sofort in das neue Format konvertiert sehen können, wenn sie sie einreichen.
4. Die „Live"-Pipeline
Sie reparieren nicht nur die neuen Arbeiten; sie bauen eine Pipeline, um schließlich die 3 Millionen alten Arbeiten im Archiv zu konvertieren. Derzeit ist das System experimentell, aber sie verbessern es stetig, damit schließlich jede Arbeit in der Bibliothek zugänglich sein wird.
Wie sie wissen, dass es funktioniert
Sie nutzen zwei Methoden, um ihren Fortschritt zu überprüfen, wie ein Mechaniker ein Auto prüft:
- Der „Quietsch"-Bericht: Sie schauen sich Beschwerden von Nutzern an. Wenn ein Nutzer sagt: „Dieses Diagramm sieht kaputt aus", reparieren sie es sofort.
- Der „Stresstest": Sie lassen das System über die gesamte Historie der Arbeiten laufen, um herauszufinden, welche mathematischen Formeln oder Pakete dazu führen, dass das System abstürzt. Dies hilft ihnen, versteckte Probleme zu finden, die kein einzelner Nutzer gemeldet haben könnte.
Die Zukunft
Die Autoren glauben, dass es in Zukunft der Standard sein sollte, eine für alle zugängliche mathematische Arbeit zu verfassen, und kein spezieller zusätzlicher Schritt. Sie befinden sich zudem mitten in einer großen Umstrukturierung ihrer Organisation (zum unabhängigen gemeinnützigen Unternehmen), was ihnen hoffentlich die Stabilität geben wird, diese Tools langfristig weiterzuentwickeln.
Kurz gesagt: Sie nehmen die weltweit größte Mathematikbibliothek, rüsten die „Lesebrille" auf, damit jeder die Mathematik klar sehen kann, und nutzen KI, um einen schnelleren, günstigeren Motor zu bauen, damit alles möglich wird.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.