BlueprintRepair: Typed Local Edits for Failed Lean Proof Blueprints
本文介绍了 BlueprintRepair，一种用于修复失败的 Lean 证明蓝图（proof blueprints）的经过模式检查（schema-checked）的局部编辑界面，经由新的 BlueprintTrace 基准测试验证，该界面在成本和 Token 效率方面达到了与自由形式的补丁（patching）和重写方法相当甚至更优的水平。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图教一个超级聪明的机器人如何解决一个复杂的数学问题。你不能只是对机器人说：“你自己去琢磨吧！”然后指望它第一次就能做对。相反，你给了它一张地图——一份蓝图。这份蓝图不是答案的图像，而是一个由必须成立的小步骤（引理）组成的清单。如果机器人卡住了，通常是因为清单上的某一步错了，或者某个连接缺失，或者机器人忘记证明其中某一步了。
在计算机科学领域，这被称为“形式化验证”。这就像建造一座摩天大楼，每一块砖都必须经过数学证明，以确保能承受上方砖块的重量。如果有一块砖不稳，整座建筑就会坍塌。最近，科学家们开始使用人工智能（AI）来帮助编写这些证明。但 AI 就像一位才华横溢但有时粗心的建筑师：它可以画出一份精美的蓝图，但可能会不小心漏掉一根支撑梁，或者写下一条不合逻辑的规则。当蓝图失效时，问题在于：我们该如何修复它？是要求 AI 拆掉整座建筑重新开始？还是要求它在墙上随手涂鸦一段笔记来修补一个洞？或者我们给它一套专门的工具，只去修复那个损坏的部分？
这篇题为 BlueprintRepair 的论文探讨的正是一个这样的问题。研究人员为这些 AI 生成的数学蓝图建立了一个特殊的“修理厂”。他们创建了一个系统，让 AI 可以使用十种特定的、预先批准的工具（例如“削弱这条规则”或“添加这个连接”）来修复损坏的证明计划，而不是从头开始重写整个方案。他们将这种方法与另外两种方法进行了对比测试：一种是 AI 尝试通过自由形式的文本修改来修补代码，另一种是 AI 完全重写整个模块。
以下是他们的发现。当蓝图存在微小的、局部性的错误时——比如缺失一个环节或一个错误的数字——“类型化局部编辑”（使用特定工具）的方法几乎与自由形式的方法表现一样出色。事实上，使用 DeepSeek-V4-Flash 模型时，这种基于工具的方法解决了 91 个小错误中的 79 个，而自由形式的方法解决了 81 个。两者的差距微乎其微。然而，基于工具的方法速度更快且成本更低。它仅使用 10,000 个“Token”（衡量 AI 生成文本量的单位）就达到了其最高成功率，而其他方法则需要生成更多的文本才能赶上。在成本方面，基于工具的方法是每个已解决问题的成本最低的，而自由形式的修补比它贵 1.30 倍，完全重写则贵了 2.06 倍。
研究人员还测试了第二个 AI 模型 Qwen3.6-Flash。该模型解决的问题总数较少，但模式保持一致：特定的工具化修复仍然是最具成本效益的，并且比其他方法更快达到其成功极限。有趣的是，当蓝图具有多个连锁在一起的复杂错误时，自由形式的方法有时会略占优势，但对于绝大多数微小的、可修复的错误而言，“外科手术式”的特定工具法才是赢家。
该论文还引入了一个名为 BLUEPRINTTRACE 的新数据集，它记录了每一次尝试、成功和失败。这就像是数学证明的“黑匣子”飞行记录仪，展示了 AI 在哪里出错以及为什么出错。这个系统中最重要的规则之一是：AI 不得更改最终目标（目标定理）。如果 AI 试图改变它应该回答的问题，系统会立即拒绝它。这确保了 AI 确实是在解决被赋予的任务，而不是在寻找一个更容易的问题。
简而言之，这篇论文表明，当一个 AI 的数学蓝图基本正确但有少量损坏部件时，给它一套专门的工具去修复这些部件，比让它重写整个方案是更聪明、更快且更省钱的方式。这就像是外科医生进行精准切除以移除肿瘤，与拆迁队为了修理一根漏水的水管而拆掉整座医院之间的区别。虽然拆迁队最终可能也会完成任务，但外科医生能以更少的混乱和更低的成本达成目标。这项研究并不声称这是解决所有数学问题的完美方案，但对于他们测试的这类“局部性”错误而言，类型化局部编辑是最高效的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。