Moxia：用于自解释数学推理的信任第一神经符号执行架构

我们提出了 Moxia（以前称为 AXIOM），这是一种信任优先的神经符号架构，用于通过自然语言输入进行自解释数学推理。它的语言模型严格来说是一个规范化器：它将非正式问题文本重写为由确定性计算机代数系统（CAS）管道使用的狭窄模式，该管道派生并验证答案或放弃作为一流输出。路由遵循问题形状正则表达式、特定于模式的提示和封闭式 CAS 处理程序的 1:1:1 对齐方式，已交付 4,783 个路由，其中​​ 71% 的答案无需调用语言模型，并且零 LOST_CORRECT 回归作为常设释放门。因为答案是派生的而不是生成的，所以它的解释也是如此：每个处理程序都会发出其执行的计算的步骤跟踪，由覆盖所有 4,785 个任务文件的层呈现为散文，这些文件无法叙述处理程序未执行的步骤。推导也导出到 Lean 4：479 个任务文件 (10%) 从问题声明的数据中发出定理，其中 445 个被 Lean 内核与 Mathlib 接受；该门覆盖了夹具语料库，因此会生成实时输出，而不是经过机器检查。我们报告两个数字，但从不融合它们。在针对其设计的完整 7 类 MATH 测试拆分中，Moxia 的回答率为 90.2% (4,510/5,000)，只有一个自信错误的答案（对可解析的信任度为 99.98%）。在从未针对的 MATH-500 测试中，它的回答率为 89.2% (446/500)，置信错误答案为零。 1.0 pp 的差距是实质性的结果：仅仅记住问题形状的注册表会因保留数据而崩溃，而这个注册表则不会。仅规则路径以 100% 的速度满足 20,000 条记录的 lm-eval 算术基准，每条记录 1 毫秒。我们强调的不是准确度数字，而是前向动态：每个记录的弃权都是一个船舶周期后正确的候选者，因为新任务的组成不会使注册表回归。