Yapay zeka alanında çığır açan bir gelişme yaşanırken, araştırmacılar büyük dil modellerinin matematiksel teorem ispatlama konusundaki temel sorunu çözmüş görünüyor. Geleneksel otomatik teorem ispatlama yöntemlerinin aksine, informal ispatlama yaklaşımı YZ sistemlerinin doğal dil işleme kabiliyetleriyle daha uyumlu çalışıyor.
Çalışmanın temel keşfi, YZ modellerinin karmaşık matematiksel problemleri çözerken 'kavrayış eksikliği' yaşadığı yönünde. Bu eksiklik, problemin çözümü için gereken temel teknikleri tanımakta zorlanma olarak kendini gösteriyor. Araştırmacılar bu soruna yönelik DeepInsightTheorem adlı yeni bir framework geliştirdi.
Sistem, hiyerarşik bir veri seti kullanarak informal ispatları yapılandırıyor ve temel teknikleri açıkça ayıklayarak ispat taslakları oluşturuyor. En dikkat çeken özelliği ise insan öğrenme sürecini taklit eden 'Aşamalı Çok Kademeli' eğitim stratejisi.
Bu yöntem, YZ modelini temel ispat yazımından başlayarak kavrayışlı düşünceye doğru kademeli olarak yönlendiriyor. Böylece model, tıpkı bir matematik öğrencisi gibi basit kavramlardan karmaşık tekniklere doğru ilerliyor ve her aşamada daha derin bir anlayış kazanıyor.
Bu gelişme, yapay zekanın matematiksel düşünme kapasitesinde önemli bir sıçrama anlamına geliyor ve gelecekte daha sofistike problem çözme yeteneklerine sahip YZ sistemlerinin kapısını aralıyor.