LLMlean intègre les LLM et Lean pour des suggestions de tactiques, la réalisation de preuves, etc.
Voici un exemple d'utilisation de LLMLean sur des problèmes de mathématiques en Lean :
Vous pouvez utiliser un LLM exécuté sur votre ordinateur portable, ou un LLM de l'API Open AI ou de l'API Together.ai :
Obtenez une clé API OpenAI.
Définir 1 variable d'environnement :
export LLMLEAN_API_KEY=your-openai-api-key
Pour ce faire, ajoutez l'instruction d'exportation au fichier ~/.zshrc
(sur Mac) ou ~/.bashrc
(Linux) et redémarrez VS Code.
llmlean
au fichier lac : require llmlean from git
" https://github.com/cmu-l3/llmlean.git "
import LLMlean
Utilisez maintenant une tactique décrite ci-dessous.
Installez Ollama.
Extrayez un modèle de langage :
ollama pull wellecks/ntpctx-llama3-8b
export LLMLEAN_API=ollama
export LLMLEAN_MODEL=wellecks/ntpctx-llama3-8b # model name from above
Effectuez ensuite les étapes (3) et (4) ci-dessus. Utilisez maintenant une tactique décrite ci-dessous.
Obtenez une clé API Together.ai.
Définissez 2 variables d'environnement :
export LLMLEAN_API=together
export LLMLEAN_API_KEY=your-together-api-key
Effectuez ensuite les étapes (3) et (4) ci-dessus. Utilisez maintenant une tactique décrite ci-dessous.
llmstep
Suggestions de tactiques suivantes via llmstep "{prefix}"
. Exemples :
llmstep ""
llmstep "apply "
Les suggestions sont vérifiées en Lean.
llmqed
Complétez la preuve actuelle via llmqed
. Exemples :
Les suggestions sont vérifiées en Lean.
Pour de meilleures performances, en particulier pour la tactique llmqed
, nous vous recommandons d'utiliser l'API Open AI.
Voici un exemple de preuve d'un lemme avec llmqed
(OpenAI GPT-4o) :
Et en utilisant llmqed
pour simplifier une partie d'une preuve existante :
Veuillez consulter ce qui suit :