学习发现有价值的数学定理：量化 AI 数学发现的趣味性
该研究探讨了大语言模型在数学定理推测与证明中的价值评估问题。针对 AI 产出的大量新数学定理是否“有趣”或“有用”这一开放课题，作者提出了定理内在趣味性（Intrinsic Interestingness）的量化定义，即定理的证明长度与其命题陈述长度之比。实验表明，该指标与定理在下游的外在价值度量强相关，为评估和引导 AI 拓展高价值数学知识提供了新路径。
推荐理由针对 AI 自动定理发现中“价值判断”难题提出了具体的量化指标，对 AI for Math 研究具有启发意义。
原标题：Learning to Discover Interesting Mathematics
阅读 arXiv 机器学习 原文 ↗