← नवीनतम पेपर
🤖 AI

Goedel-Architect: Streamlining Formal Theorem Proving with Blueprint Generation and Refinement

Goedel-Architect, Lean 4 थ्योरम प्रूविंग के लिए एक एजेंटिक फ्रेमवर्क है जो MiniF2F, Putnam और IMO जैसे चुनौतीपूर्ण गणितीय बेंचमार्क पर मौजूदा पाइपलाइनों की तुलना में काफी कम लागत के साथ अत्याधुनिक प्रदर्शन प्राप्त करने के लिए ब्लूप्रिंट जनरेशन और रिफाइनमेंट रणनीति का उपयोग करता है।

मूल लेखक: Jui-Hui Chung, Ziyang Cai, Zihao Li, Qishuo Yin, Rohit Agarwal, Simon Park, Rodrigo Porto, Narutatsu Ri, Ziran Yang, Shange Tang, Xingyu Dang, Hongzhou Lin, Mengdi Wang, Danqi Chen, Chi Jin, Liam H Fo
प्रकाशित 2026-06-05
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Jui-Hui Chung, Ziyang Cai, Zihao Li, Qishuo Yin, Rohit Agarwal, Simon Park, Rodrigo Porto, Narutatsu Ri, Ziran Yang, Shange Tang, Xingyu Dang, Hongzhou Lin, Mengdi Wang, Danqi Chen, Chi Jin, Liam H Fowl, Sanjeev Arora

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 लेगो (LEGO) ईंटों से एक विशाल, जटिल महल बनाने की कोशिश कर रहे हैं। आपके पास एक ब्लूप्रिंट है, लेकिन यह कोई चित्र नहीं है; यह निर्देशों की एक सूची है जो कहती है, "टावर बनाने के लिए, पहले आपको एक नींव की आवश्यकता है, फिर एक दीवार, और फिर एक खिड़की।"

समस्या यह है कि यदि आप पूरे टावर को एक ही बड़ी छलांग में बनाने की कोशिश करते हैं, तो आप फंस सकते हैं, या आपको आधा रास्ता तय करने के बाद एहसास हो सकता है कि नींव गलत तरीके से बनाई गई थी।

Goedel-Architect एक नया, स्मार्ट रोबोट टीम है जिसे इन गणितीय "किलों" (औपचारिक प्रमाण/formal proofs) को Lean 4 नामक भाषा में बनाने के लिए डिज़ाइन किया गया है। एक ही बार में पूरा निर्माण करने के बजाय, यह ब्लूप्रिंट जनरेशन एंड रिफाइनमेंट (Blueprint Generation and Refinement) नामक रणनीति का उपयोग करता है।

यह कैसे काम करता है, इसके सरल चरण यहाँ दिए गए हैं:

1. ब्लूप्रिंट (एक मास्टर प्लान)

ब्लूप्रिंट बनाने से पहले, रोबोट एक ब्लूप्रिंट तैयार करता है।

  • यह क्या है? इसे एक डिपेंडेंसी मैप (dependency map) के रूप में सोचें। यह हर एक छोटे कदम (जिसे "लेम्मा" कहा जाता है) को सूचीबद्ध करता है जिसकी बड़े गणितीय समस्या को सिद्ध करने के लिए आवश्यकता होती है।
  • यह कैसे काम करता है: यह तीर (arrows) खींचता है जो दिखाते हैं कि कौन से कदम दूसरों पर निर्भर हैं। उदाहरण के लिए, "आप छत बनाने से पहले दीवारें नहीं बना सकते।"
  • ट्विस्ट: कभी-कभी, यदि गणित की समस्या बहुत कठिन है, तो रोबट को एक नेचुरल लैंग्वेज प्रूफ (Natural Language Proof) दिया जाता है। यह एक मानव गणितज्ञ द्वारा रोबोट को दिए गए एक रफ स्केच या कहानी की तरह है कि समस्या को कैसे हल किया जाए। रोबोट इस कहानी का उपयोग शुरू से ही एक बेहतर, अधिक सटीक ब्लूप्रिंट बनाने के लिए करता है।

2. कंस्ट्रक्शन क्रू (समानांतर प्रमाण/Parallel Proving)

एक बार ब्लूप्रिंट तैयार हो जाने के बाद, रोबोट एक-एक करके निर्माण नहीं करता है। यह सभी छोटे कदमों पर एक साथ काम करने के लिए विशेषज्ञ बिल्डरों (एक "Lean prover") की एक पूरी टीम भेजता है।

  • प्रत्येक बिल्डर केवल अपने विशिष्ट कदम और उन कदमों को देखता है जिनका उपयोग करने की उसे अनुमति है (उनके "डिपेंडेंसीज")।
  • वे अपना हिस्सा बनाने की कोशिश करते हैं। यदि वे सफल होते हैं, तो वे ब्लूप्रिंट के उस हिस्से को हरा (Green) कर देते हैं।
  • यदि वे विफल होते हैं, तो वे उसे नीला (Blue) (फँसा हुआ) या लाल (Red) (टूटा हुआ) कर देते हैं।

3. फिक्स-इट लूप (सुधार/Refinement)

यहीं पर Goedel-Architect अन्य रोबोटों से अलग है।

  • पुराना तरीका: कई अन्य AI सिस्टम एक समस्या को हल करने की कोशिश करते हैं, फंस जाते हैं, और फिर उस एक फंसे हुए हिस्से को बार-बार छोटे हिस्सों में तोड़ने की कोशिश करते हैं। यह एक टूटी हुई दीवार को ठीक करने के लिए उसी जगह पर बार-बार हथौड़ा चलाने जैसा है। यह अक्सर एक डेड एंड (dead end) की ओर ले जाता है।
  • Goedel का तरीका: यदि कोई बिल्डर फंस जाता है, तो पूरी टीम रुक जाती है और पूरे ब्लूप्रिंट को देखती है।
    • निदान (Diagnosis): रोबोट पूछता है, "यह क्यों विफल हुआ?"
      • केस A (लाल): "ओह, यह कदम वास्तव में गलत है!" (ब्लूप्रिंट में एक गलत विचार था)। रोबोट उस कथन को ठीक करता है।
      • केस B (नीला): "यह कदम सही है, लेकिन अभी इसे बनाना बहुत कठिन है।" रोबोट इस बड़े कदम को दो या तीन छोटे, आसान सहायक कदमों में तोड़ देता है।
    • पुनरीक्षण (Revision): रोबोट इन नए, छोटे कदमों के साथ ब्लूप्रिंट को फिर से लिखता है और क्रू को फिर से बाहर भेजता है।
    • दक्षता (Efficiency): महत्वपूर्ण बात यह है कि महल का जो भी हिस्सा सफलतापूर्वक बनाया जा चुका है (हरा), वह हरा ही रहता है। रोबोट अच्छा काम फेंक नहीं देता; वह केवल खराब हिस्सों को ठीक करता है और नए सहायक कदम जोड़ता है।

यह एक बड़ी बात क्यों है?

पेपर का दावा है कि यह दृष्टिकोण दो मुख्य कारणों से एक "गेम चेंजर" है:

  1. यह अविश्वसनीय रूप से स्मार्ट और सटीक है:

    • हाई स्कूल गणित की समस्याओं के एक मानक टेस्ट (MiniF2F) पर, इसने 99.2% को हल किया। मानव-शैली की कहानी (Natural Language) की थोड़ी मदद से, इसने 100% को हल किया।
    • कठिन कॉलेज-स्तरीय गणित (PutmanBench) पर, इसने अपने आप 75.6% हल किया, और थोड़ी मदद के साथ 88.8%।
    • इसने हाल ही की, अत्यंत कठिन प्रतियोगिताओं (जैसे IMO 2025 और Putnam 2025) को भी हल किया जिन्हें किसी अन्य ओपन-सोर्स रोबोट ने हल नहीं किया था।

  2. यह अविश्वसनीय रूप से सस्ता है:

    • अन्य शीर्ष-स्तरीय रोबोट जो इन समस्याओं को हल करते हैं, अक्सर "ब्लैक बॉक्स" मॉडल का उपयोग करते हैं जिन्हें चलाने में हजारों डॉलर का खर्च आता है।
    • Goedel-Architect एक सस्ते, ओपन-सोर्स दिमाग (DeepSeek-V4-Flash) का उपयोग करता है।
    • लागत: पूरे PutnamBench टेस्ट को हल करने के लिए, Goedel-Architect को लगभग 294∗∗खर्चहुए।अगलेसबसेअच्छेओपन−सोर्सप्रतियोगीकोलगभग∗∗294** खर्च हुए। अगले सबसे अच्छे ओपन-सोर्स प्रतियोगी को लगभग **163,000 खर्च हुए। यह 500 गुना बचत है।

निचोड़ (The Bottom Line)

Goedel-Architect एक मास्टर आर्किटेक्ट की तरह है जो केवल कील ठोकने की कोशिश नहीं करता; वह एक नक्शा बनाता है, समानांतर में काम करने के लिए एक क्रू भेजता है, और जब कुछ टूट जाता है, तो वह तर्क को ठीक करने के लिए पूरा नक्शा फिर से बनाता है, अच्छे हिस्सों को बरकरार रखते हुए और केवल आवश्यक बदलाव करता है। यह साबित करता है कि सबसे कठिन गणितीय समस्याओं को हल करने के लिए आपको सबसे महंगे, गुप्त AI की आवश्यकता नहीं है; आपको बस काम को व्यवस्थित करने के एक स्मार्ट तरीके की आवश्यकता है।

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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.AI →