LeanSearch v2: Global Premise Retrieval for Lean 4 Theorem Proving
LeanSearch v2 एक दो-मोड वाला रिट्रीवल सिस्टम है जो Lean 4 थ्योरम प्रूविंग के लिए आवश्यक लाइब्रेरी लेम्मा के पूर्ण सेट की पहचान करने में अत्याधुनिक प्रदर्शन प्राप्त करता है, जो मौजूदा सिमेंटिक सर्च और प्रिमिस-सिलेक्शन टूल्स से काफी बेहतर है और डाउनस्ट्रीम प्रूफ सफलता दरों में सीधे सुधार करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल, जटिल जिग्सॉ पज़ल (jigsaw puzzle) को हल करने की कोशिश कर रहे हैं। आपके पास 1,00,000 टुकड़ों वाला एक बहुत बड़ा डिब्बा है (Mathlib लाइब्रेरी), और आपका लक्ष्य एक विशिष्ट चित्र बनाना है (एक गणितीय प्रमाण/mathematical proof)।
समस्या यह नहीं है कि आपके पास टुकड़े नहीं हैं; समस्या यह है कि टुकड़े कमरे में इधर-उधर बिखरे हुए हैं, और निर्देश यह नहीं कहते कि, "यहाँ नीले आसमान का टुकड़ा लगाएँ।" इसके बजाय, आपको यह पता लगाना होगा कि "ज्यामितीय योग" (geometric sums) के बारे में एक टुकड़ा और "साइक्लोटोमिक पॉलिनोमियल" (cyclotomic polynomials) के बारे में एक टुकड़ा (जो सुनने में पूरी तरह से असंबंधित लगते हैं) वास्तव में आपकी विशिष्ट समस्या को हल करने के लिए एक साथ कैसे फिट होते हैं।
यही वह चुनौती है जिसे यह शोध पत्र संबोधित करता है। यह LeanSearch v2 पेश करता है, जो एक नया टूल है जिसे गणितज्ञों के लिए सही पज़ल के टुकड़ों को खोजने के लिए डिज़ाइन किया गया है, जो Lean 4 कंप्यूटर भाषा के साथ काम करते हैं।
यहाँ बताया गया है कि यह पेपर इसे सरल उपमाओं (analogies) का उपयोग करके कैसे समझाता है:
1. समस्या: "ग्लोबल प्रिमिस रिट्रीवल" (Global Premise Retrieval)
लेखक कहते हैं कि मौजूदा उपकरण दो अलग-अलग प्रकार के सहायकों की तरह हैं, लेकिन दोनों में से कोई भी पूर्ण नहीं है:
- सिमेंटिक सर्च इंजन (The Semantic Search Engine): यह एक ऐसे लाइब्रेरियन की तरह है जो कीवर्ड से मेल खाने वाली एक अकेली किताब ढूंढता है। यदि आप "प्राइम नंबर्स" के लिए पूछते हैं, तो यह प्राइम से जुड़ी किताबें ढूंढता है। लेकिन इसे यह नहीं पता होता कि आपको अपने पज़ल को हल करने के लिए लाइब्रेरी के तीन अलग-अलग सेक्शन से तीन विशिष्ट थ्योरम्स की आवश्यकता होगी।
- प्रिमिस सिलेक्टर (The Premise Selector): यह एक ऐसे ट्यूटर की तरह है जो पज़ल के एक चरण में आपकी मदद करता है। वे कहते हैं, "ठीक है, इस विशिष्ट चाल के लिए, इस टुकड़े का उपयोग करें।" लेकिन वे पूरी तस्वीर नहीं देख पाते। उन्हें यह नहीं पता कि काम पूरा करने के लिए उन्हें लाइब्रेरी के माध्यम से तीन दूर के विचारों को जोड़ने वाला मार्ग बनाना होगा।
पेपर इस लुप्त कौशल को "ग्लोबल प्रिमिस रिट्रीवल" कहता है। यह किसी समस्या को देखकर यह कहने की क्षमता है कि, "इसे हल करने के लिए, मुझे लाइब्रेरी से इन तीन विशिष्ट, स्पष्ट रूप से असंबंधित लेम्मा (lemmas) को निकालना होगा और उन्हें एक साथ जोड़ना होगा।"
2. समाधान: LeanSearch v2
लेखकों ने इसे हल करने के लिए दो-मोड वाला सिस्टम बनाया है, जो दो अलग-अलग व्यक्तित्वों वाले एक स्मार्ट रिसर्च असिस्टेंट की तरह कार्य करता है।
मोड A: "स्टैंडर्ड मोड" (द सुपर लाइब्रेरियन)
यह आधार है। यह लाइब्रेरी के लिए एक हाई-स्पीड सर्च इंजन के रूप में कार्य करता है।
- यह कैसे काम करता है: यह लाइब्रेरी के 1,00,000+ गणितीय घोषणाओं (declarations) को लेता है और उन्हें "कंप्यूटर कोड" से "मानव-अनुकूल विवरणों" में अनुवादित करता है। फिर यह दो-चरणीय प्रक्रिया का उपयोग करता है:
- एम्बेडिंग (Embedding): यह हर टेक्स्ट को एक गणितीय "फिंगरप्रिंट" में बदल देता है ताकि समान अवधारणाओं को खोजा जा सके।
- रीरैंकिंग (Reranking): यह शीर्ष 50 मैचों को लेता है और एक दूसरे, अधिक स्मार्ट AI का उपयोग करके उन्हें फिर से व्यवस्थित करता है, जिससे सबसे अच्छे विकल्पों को चुना जा सके।
- परिणाम: यह किसी भी पिछले टूल की तुलना में सही एकल जानकारी ढूंढ लेता है, भले ही इसे विशेष रूप से गणितीय डेटा पर प्रशिक्षित न किया गया हो। यह एक ऐसे लाइब्रेरियन की तरह है जो लाइब्रेरी को इतनी अच्छी तरह जानता है कि आपके द्वारा एक अस्पष्ट विवरण दिए जाने पर भी वह बिल्कुल सही किताब ढूंढ सकता है।
मोड B: "रीज़निंग मोड" (द डिटेक्टिव)
यह सबसे बड़ा नवाचार है। यह केवल एक टुकड़ा नहीं ढूंढता; यह प्रमाण के लिए आवश्यक टुकड़ों के पूरे सेट को खोजने का प्रयास करता है।
- यह कैसे काम करता है: यह एक "स्केच-रिट्रीव-रिफ्लेक्ट" (Sketch-Retrieve-Reflect) लूप का उपयोग करता है, जो एक जासूस की तरह रहस्य सुलझाने जैसा है:
- स्केच (Sketch): AI प्रमाण की "कहानी" का अनुमान लगाता है (जैसे, "पहले हम X करेंगे, फिर हम Y का उपयोग करेंगे, फिर Z")।
- रिट्रीव (Retrieve): यह उस कहानी के प्रत्येक चरण के लिए वास्तविक टुकड़े खोजने के लिए "स्टैंडर्ड मोड" लाइब्रेरियन का उपयोग करता है।
- रिफ्लेक्ट (Reflect): एक "जज" AI परिणामों को देखता है। क्या टुकड़े फिट बैठे? यदि लाइब्रेरियन चरण Y के लिए एक टुकड़ा नहीं ढूंढ पाता है, तो जज कहता है, "वह कहानी काम नहीं करती।"
- रिव्हाइज़ (Revise): AI वापस जाता है, कहानी (स्केच) को बदलता है, और फिर से प्रयास करता है।
- परिणाम: यह तब तक लूप में चलता रहता है जब तक कि यह लाइब्रेरी के ऐसे सुसंगत लेम्मा का सेट न ढूंढ ले जो वास्तव में थ्योरम को हल करने के लिए एक साथ काम करते हैं।
3. साक्ष्य: क्या यह काम कर गया?
लेखकों ने इस सिस्टम का परीक्षण दो मुख्य चुनौतियों पर किया:
- सर्च टेस्ट (The Search Test): उन्होंने सिस्टम को विवरणों के आधार पर विशिष्ट थ्योरम्स खोजने के लिए कहा। LeanSearch v2 जीत गया, जिसने अपने प्रतिस्पर्धियों की तुलना में अधिक बार सही उत्तर पाया।
- "ग्लोबल" टेस्ट (The "Global" Test): उन्होंने इसे 69 कठिन, स्नातक स्तर की गणितीय समस्याएं दीं और इसे उन लेम्मा के समूह को खोजने के लिए कहा जिनकी आवश्यकता उन्हें हल करने के लिए होती है।
- प्रतिस्पर्धी: पुराने उपकरणों ने केवल 9% से 38% समय ही सही समूह ढूंढ पाया।
- LeanSearch v2: इसने 46.1% समय सही समूह खोजा।
- "प्रूफ" टेस्ट (The "Proof" Test): उन्होंने इस टूल को एक रोबोट में प्लग किया जो प्रमाण लिखने की कोशिश करता है। जब रोबोट ने LeanSearch v2 का उपयोग किया, तो वह 20% समय सफलतापूर्वक प्रमाण पूरे करने में सफल रहा। टूल के बिना, वह केवल 4% बार सफल हुआ।
4. निचोड़ (The Bottom Line)
पेपर का दावा है कि LeanSearch v2 पहला ऐसा सिस्टम है जो गणितीय रिट्रीवल को केवल एक "सर्च" कार्य के बजाय एक "रीज़निंग" (तर्क) कार्य के रूप में सफलतापूर्वक मानता है।
- उपमा: पिछले उपकरण एक ऐसे GPS की तरह थे जो केवल आपको अगले मोड़ के बारे में बता सकते थे। LeanSearch v2 एक ऐसे GPS की तरह है जो पूरी यात्रा की योजना बना सकता है, यह समझते हुए कि गंतव्य तक पहुँचने के लिए, आपको शायद उस पड़ोस के माध्यम से एक सुंदर रास्ते से गुजरना पड़े जिसके बारे में आप जानते भी नहीं थे, और उसे पता है कि वहां तक पहुँचने के लिए कौन से मोड़ लेने हैं।
लेखक इस बात पर जोर देते हैं कि यह रिट्रीवल (सही उपकरण खोजने) के लिए एक टूल है, न कि स्वयं प्रमाण को जेनरेट करने के लिए, हालांकि बेहतर रिट्रीवल स्पष्ट रूप से प्रमाण-निर्माण प्रक्रिया को अधिक बार सफल होने में मदद करता है। उन्होंने अपना सारा कोड और डेटा सार्वजनिक कर दिया है ताकि अन्य लोग गणित की समस्याओं को हल करने के लिए इस "डिटेक्टिव" दृष्टिकोण का उपयोग कर सकें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।