LeanCopilot est un outil d'assistance à la preuve théorème basé sur les grands modèles de langage (LLM), spécifiquement conçu pour le langage Lean. Il permet aux utilisateurs de générer rapidement des stratégies de preuve, de rechercher des chemins de preuve et de sélectionner les prémisses clés, améliorant considérablement l'efficacité des preuves théorèmes. Cet article présente trois techniques fondamentales d'assistance par IA pour vous aider à maîtriser cet outil puissant.
- Génération automatique de stratégies de preuve : recommander_stratégies
Dans la rédaction de preuves Lean, le choix des stratégies (tactics) appropriées constitue l'une des étapes les plus cruciales. La fonction recommander_stratégies de LeanCopilot analyse l'état actuel de la preuve pour suggérer intelligemment les prochaines actions, aidant ainsi les débutants à démarrer rapidement.
L'utilisation est très simple, il suffit d'insérer cela dans le processus de preuve :
recommander_stratégies
Le système analyse automatiquement l'objectif actuel et le contexte, générant plusieurs suggestions de stratégies possibles. Vous pouvez également ajouter des préfixes pour affiner les suggestions, par exemple :
recommander_stratégies "rw" -- recommande uniquement les stratégies commençant par rw
Des exemples de configuration supplémentaires sont disponibles dans LeanCopilotTests/RecommandationStratégies.lean, y compris comment changer de modèle ou désactiver la vérification des résultats.
- Recherhce automatique de preuves complètes : explorer_prouve
Pour les théorèmes complexes, construire manuellement un chemin de preuve complet est souvent très difficile. La fonction explorer_prouve utilise les capacités de raisonnement de l'IA pour explorer automatiquement les chemins de preuve possibles, vous aidant à trouver rapidement une solution.
Il suffit d'ajouter dans le bloc de preuve :
explorer_prouve
Cette fonction combine les avantages du cadre de recherche de preuve Aesop et du modèle d'IA, essayant automatiquement différantes combinaisons de stratégies de preuve. Vous trouverez des exemples de configuration dans LeanCopilotTests/RechercheProuve.lean pour apprendre à ajuster les paramètres de recherche et obtenir de meilleurs résultats.
- Sélection intelligente des prémisses clés : filtrer_premisses
Dans les preuves complexes, sélectionner les prémisses pertinentes parmi de nombreux théorèmes et lemmes peut être un défi. La fonction filtrer_premisses peut intelligemment filtrer les prémisses les plus pertinentes en fonction de l'objectif actuel, réduisant la charge cognitive.
Utilisation de base :
filtrer_premisses
Vous pouvez également ajuster le nombre de prémisses renvoyées en définissant des options :
définir_option LeanCopilot.filtrer_premisses.k 4 -- renvoie les 4 prémisses les plus pertinentes
filtrer_premisses
Des exemples détaillés sont disponibles dans LeanCopilotTests/SelectionPremisses.lean.
Démarrage rapide avec LeanCopilot
Pour cmomencer à utiliser ces puissantes fonctionnalités d'assistance par IA aux preuves, suivez simplement ces étapes :
- Clonez le dépôt :
git clone https://gitcode.com/gh_mirrors/le/LeanCopilot - Configurez le projet selon les instructions dans README.md
- Importez LeanCopilot :
importer LeanCopilot - Utilisez les trois fonctions principales décrites ci-dessus dans votre code de preuve
À travers ces trois techniques essentielles, vous pouvez tirer pleinement parti des capacités d'IA de LeanCopilot pour améliorer considérablement l'efficacité et le taux de succès de vos preuves théorèmes. Que vous soyez débutant ou utilisateur expérimenté de Lean, vous en bénéficierez. Pour des utilisations avancées et options de configuration, référez-vous aux exemples de tests et à la documentation du projet.