Een team van onderzoekers heeft MechMath ontwikkeld, een nieuw agentsysteem dat complexe wiskundige bewijzen efficiënter kan oplossen door gebruik te maken van een specifieke decompositie-strategie. Het systeem is ontworpen om de beperkingen van huidige grote taalmodellen (LLM's) bij het bewijzen van stellingen te overwinnen.
Het automatiseren van wiskundige bewijzen is een uitdagend veld binnen de kunstmatige intelligentie. Hoewel grote taalmodellen en LLM-gebaseerde agenten aanzienlijke vooruitgang hebben geboekt, worstelen ze vaak met problemen die complexe redeneringen vereisen. Volgens de publicatie op arxiv.org slagen huidige systemen zelden in hun eerste poging, waardoor ze herhaaldelijk hun bewijsstrategieën moeten aanpassen.
De problematiek van context en regeneratie
In de huidige praktijk van automatische bewijsvoering worden twee hoofdbenaderingen gebruikt wanneer een poging mislukt. De eerste methode is het iteratief corrigeren van fouten binnen een bestaand bewijs. Dit leidt echter tot steeds langere contexten, wat de focus van het model op de resterende onopgeloste subproblemen verslechtert. De tweede methode is het volledig weggooien van het bewijs en opnieuw beginnen. Dit wordt als inefficiënt beschouwd, omdat correcte redeneringen vaak worden weggegooid vanwege kleine, lokale fouten.
Om deze dilemma's op te lossen, introduceerden Ruichen Qiu en collega's MechMath. Dit systeem maakt gebruik van een zogenaamd "Sorrifier-driven formal decomposition"-paradigma.
Werking van de Sorrifier-strategie
De kern van MechMath ligt in het gebruik van de sorry-placeholder in de programmeertaal Lean. Door deze placeholder te gebruiken, kan het systeem onopgeloste subdoelen nauwkeurig isoleren terwijl de reeds geverifieerde structuur van het bewijs behouden blijft.
Zoals beschreven op de github.io, extraheert het systeem elk mislukt subprobleem naar een eigen, zelfstandige context. Hierdoor kan het specifieke probleem onafhankelijk worden opgelost zonder dat het volledige bewijs opnieuw gegenereerd moet worden en zonder dat de contextlengte onbeheersbaar groot wordt door herhaaldelijke reparaties.
Resultaten en benchmarks
De effectiviteit van MechMath is getest op diverse uitdagende wiskundige benchmarks. Volgens de documentatie op github.com en de bijbehorende publicaties heeft het systeem significante voordelen behaald in bewijsefficiëntie. De gebruikte benchmarks omvatten onder andere:
* De International Mathematical Olympiad (IMO) 2025;
* De Putnam 2025 competitie;
* MiniF2F;
* Een subset van ProverBench.
Academische presentatie
Het onderzoek is uitgevoerd door een team van onderzoekers. Het werk is gepresenteerd als een conferentiepaper op COLM 2026 en werd besproken tijdens de "3rd AI for Math Workshop: Toward Self-Evolving Scientific Agents", die plaatsvond op 11 juli 2026, zoals vermeld op de website van icml.cc.
Het systeem biedt een gestructureerde pijplijn die begint bij het genereren van een informeel bewijs, gevolgd door verificatie, verfijning en uiteindelijk de formele bewijsvoering waarbij de Sorrifier lokale reparaties uitvoert op het niveau van individuele stappen.