Kion la panelo povas fari

Ĉiu seĝo - inkluzive de la juĝisto - ricevas la samajn ilojn. La juĝisto devas povi kontroli aserton, ne nur pezi kiel ĝi estis argumentita.

Literatura serĉo

arXiv, OpenAlex, Crossref, Europe PMC kaj Semantic Scholar — la unuaj fontoj, ne blogaj resumoj de ili. Matematiko, fiziko, scienco, biologio, medicino, ekonomio.

La seĝoj estas diritaj por kontroli kio estas jam pruvita antaŭ ol provi ĝin mem, ĉar re-derivado de konata rezulto malŝparas vian monon.

Retserĉo

La retejo de la arkivo estas arkivo.org, kiu estas la oficiala retejo de la arkivo, kaj la retejo de la arkivo.org, kiu estas la retejo de la arkivo.

La paĝoj estas prenitaj kaj legata, tiel ke citaĵo povas citiĝi la paĝon kiun ĝi fakte baziĝas.

Sandboxed kodo

Python kun sympy, mpmath kaj numpy, tiel ke seĝo povas kontroli limigon, serĉi kontraŭekzemplon aŭ kontroli algebran paŝon anstataŭ aserti ĝin.

Ĝi ne havas reton, sed funkcias per CPU kaj memoro.

Matematiko estas apuda

Tiu retejo solvas empiriajn asertojn, kie la pruvo estas fonto aŭ mezuro. Teoremo ne estas tio: ĝi bezonas pruvan terminon kiun kerno akceptas, ne bone argumentitan kazon.

So mathematical goals belong on our sibling site, which runs the same panel and then checks the result in Lean 4 against Mathlib. theorem.chat

Eskalante anstataŭ supozado

Ĉiu seĝo povas ankaŭ halti kaj peti helpon. Malfermita modelo normale produktas alian paragrafon ripetante la lastan - je plena prezo. Tie ĝi nomas la ununuran demandon blokantan ĝin kaj transdonas ĝin al kiu ajn seĝo estas plej bone poziciigita por respondi, kune kun kio ĝi jam provis. La eksperto ricevas la demandon kaj la rilatajn establitajn rezultojn, ne la argumenton kiu produktis la senmoviĝon, do esti fermita kostas malpli ol argumenti.

Kaj la propraj iloj de la arbitraciisto

Reguli laŭ kriterio, aldoni unu implicitan de la celo, direkti la venontan rondon, aŭ fini la ludon. Kriterio ne povas esti markita kiel plenumita sen pruvo kiun tria partio povus rekontroli - citaĵo kun la citita paĝo, kalkulo kun ĝia reala eligo, aŭ kerno- akceptita pruvo. Tiu rifuzo estas efektivigita en kodo, ne estas postulita ĝentile en la prompto.