项目地址:https://github.com/tensorflow/deepmath/tree/master/holstep_baselines
论文:HolStep: A Machine Learning Dataset for Higher-order Logic Theorem Proving
论文地址:https://arxiv.org/abs/1703.00426
摘要:大型的计算机可以理解的证据由数百万个中间逻辑步骤构成。这些步骤中绝大多数都源自人工的选择和人工引导的、应用于中间目标的启发式方法。到目前为止,机器学习一般还没有被用于过滤或生成这些步骤。在这篇论文中,我们介绍一个基于高阶逻辑(HOL:Higher-Order Logic)的新数据集,其能用于开发新的基于机器学习的定理证明(theorem-proving)策略。我们在 BSD 证书下公开开放了这一数据集。我们提出了多种可以在这个数据集上执行的机器学习任务,并讨论了它们对定理证明的重要性。我们还在一些任务上基准测试了一些简单的基线机器学习模型(包括 logistic 回归、卷积神经网络和循环神经网络)。我们的基线模型的结果表明了将机器学习应用于 HOL 定理证明的潜力。