O nouă frontieră în raționamentul matematic
Domeniul demonstrării automate a teoremelor (ATP) a făcut un pas important înainte odată cu lansarea Kimina-Prover-72B. Dezvoltat de echipa Project Numina, acest model de ultimă generație este construit pe arhitectura robustă Qwen2.5-72B și utilizează pipeline-ul de învățare prin consolidare (reinforcement learning) Kimi k1.5. Concentrându-se specific pe limbajul formal Lean 4, sistemul urmărește să reducă prăpastia dintre intuiția matematică umană și rigoarea logică generată de mașini, atingând un record de 92,2% rată de succes în cadrul rigurosului benchmark miniF2F-test.
Spre deosebire de iterațiile anterioare ale sistemelor de demonstrare a teoremelor, care se bazau pe un raționament liniar, pas cu pas, Kimina-Prover introduce un cadru de lucru agentic sofisticat. Acesta permite sistemului nu doar să construiască demonstrații, ci și să descompună recursiv probleme matematice complexe în sub-probleme gestionabile, oglindind modul în care matematicienii abordează demonstrațiile în mai multe etape în mediul academic.
Căutarea prin învățare prin consolidare în timpul testării (TTRL)
Nucleul succesului acestui model este cadrul de căutare TTRL (Test-Time Reinforcement Learning). Această metodologie depășește explorarea aleatorie prin implementarea unui model bazat pe „lemi” (sub-concluzii). Prin adăugarea unei selecții de leme formale în contextul problemei, AI-ul primește efectiv o trusă de instrumente cu rezultate logice intermediare pe care le poate folosi. Printr-un proces de învățare prin consolidare, modelul învață să aplice selectiv aceste leme, prioritizându-le pe cele care au contribuit istoric la traiectorii de demonstrare reușite.
Cadrul TTRL utilizează, de asemenea, o strategie de căutare dinamică, orientată spre obiective. În timpul antrenamentului, sistemul monitorizează un scor de utilizare pentru fiecare lemă, eliminând pe cele care nu contribuie la demonstrații și favorizându-le pe cele eficiente. Mai mult, cadrul permite descompunerea recursivă: dacă o demonstrație eșuează, sistemul generează noi candidați de sub-leme pentru a facilita o căutare mai profundă. Pentru a asigura integritatea acestor demonstrații, sistemul include un filtru de negație care încearcă să demonstreze negația logică a oricărei leme generate, eliminând orice element care produce inconsistențe logice interne.
Capacități integrate de corectare a erorilor
Poate cel mai semnificativ salt în ceea ce privește utilitatea este integrarea unui mecanism automat de corectare a erorilor. În verificarea formală tradițională, primirea unui mesaj de eroare de la asistentul de demonstrare Lean 4 oprește de cele mai multe ori procesul. Kimina-Prover, în schimb, este antrenat să trateze aceste mesaje de eroare ca feedback acționabil. Utilizând un set de date specializat de ajustare fină (SFT) — construit din triplete de demonstrații incorecte, mesaje de eroare și corecții reușite — modelul poate interpreta exact unde a eșuat logica sa.
În loc să o ia de la capăt când o demonstrație eșuează, Kimina-Prover citește feedback-ul specific oferit de asistentul de demonstrare și propune o ajustare țintită. Acest proces iterativ îmbunătățește drastic eficiența eșantionării, permițând modelului să-și rafineze rezultatele într-o manieră care imită îndeaproape ciclul de încercare și eroare specific programării umane și construcției de demonstrații matematice.
Variantele modelului și disponibilitatea
Deși modelul cu 72 de miliarde de parametri se află în fruntea clasamentului de performanță, echipa de cercetare a lansat și variante distilate pentru a face această tehnologie mai accesibilă diverselor medii de calcul:
- Kimina-Prover-72B: Modelul emblematic, care oferă cea mai mare profunzime de raționament și acuratețe pentru demonstrarea teoremelor complexe la scară largă.
- Kimina-Prover-Distill-8B: Construit pe arhitectura Qwen3-8B, această versiune oferă un echilibru între performanță și eficiența computațională.
- Kimina-Prover-Distill-1.7B: O variantă ușoară concepută pentru testare rapidă și implementare cu resurse mai reduse, menținând capabilități de raționament impresionante pentru dimensiunea sa.
Prin furnizarea acestor variante, echipa Project Numina permite unui ecosistem mai larg de dezvoltatori și cercetători să integreze raționamentul formal agentic avansat în propriile fluxuri de lucru, accelerând astfel automatizarea matematicii formale.











