स्केचपैड एक छोटे दृश्य-भाषा मॉडल के साथ प्रमाणित सटीक अंकगणित सक्षम करता है।
स्केचपैड, एक Qwen3.5-0.8B एडाप्टर, किसी भी लंबाई पर सटीक अंकगणित को प्रमाणित करने के लिए बाउंड-व्यू चेक और लीन प्रूफ का उपयोग करता है।
मुख्य जानकारी
- स्केचपैड एडाप्टर के साथ एक Qwen3.5-0.8B मॉडल बाउंड-व्यू सेटअप के तहत किसी भी इनपुट लंबाई पर सटीक अंकगणित (+, −, ×, ÷, √, gcd) के लिए प्रमाणित है।
- प्रमाणीकरण 2,446 सीमित दृश्यों की जांच करता है, लीन में रिपोर्ट किए गए एक परिमित प्रमाण के साथ, निश्चित आकार की मेमोरी विंडो के परिमित सेट पर पूरी लंबाई सटीकता को कम करना।
- स्केचपैड को पूर्व-पंजीकृत समस्याओं पर 220/220 और 1,000-अंकीय योगों पर 20/20 अंक प्राप्त हुए, जो परीक्षण किए गए सीमावर्ती और खुले वजन वाले मॉडल से बेहतर प्रदर्शन करते हैं।
- परिणाम सीमित संख्यात्मक त्रुटि के लिए मजबूत रहता है और अन्य प्रमाणित प्रक्रियाओं के साथ बनाया जा सकता है, लेकिन यह बाउंड-व्यू स्थिति पर निर्भर करता है।
- यदि चरण पहले के चरणों को पढ़ सकते हैं, तो कोई सीमित परीक्षण पर्याप्त नहीं है, इसलिए गारंटी मनमाने ढंग से छोटे मॉडल या पिछले आउटपुट तक अप्रतिबंधित पहुंच पर लागू नहीं होती है।
मेटा विवरण: Qwen3.5-0.8B स्केचपैड एडाप्टर सभी 2,446 दृश्यों को पास करता है, जो प्लस, माइनस, टाइम्स, डिवाइड, स्क्वायर Root और जीसीडी के लिए प्रमाणित सटीक अंकगणित देता है।
टैगः सटीक अंकगणित, लीन, Qwen3.5-0.8B, स्केचपैड, औपचारिक सत्यापन
विशेष रुप से प्रदर्शित छवि: एक छोटे मॉडल का अमूर्त मैत्रीपूर्ण चित्रण जो लंबे अंकों के योगों की जांच करता है, कोई वास्तविक लोग नहीं हैं, कोई लोगो नहीं, कोई पाठ नहीं।
स्केचपैड नामक एक छोटे एडाप्टर के साथ जोड़ा गया Qwen3.5-0.8B मॉडल सभी 2,446 बाउंड-व्यू चेक पास कर चुका है और रिपोर्ट किए गए सेटअप के तहत किसी भी इनपुट लंबाई पर सटीक अंकगणित के लिए प्रमाणित है। काम यह भी दावा करता है कि प्रमाण सीमित संख्यात्मक त्रुटि से बचता है और जब संयुक्त होता है तो प्रमाणित प्रक्रियाएं प्रमाणित रहती हैं।
मूल दावा: सभी लंबाई के लिए एक परिमित प्रमाण
सिद्धांत एक प्रतिबंध से शुरू होता हैः यदि किसी मॉडल का प्रत्येक चरण केवल बाहरी मेमोरी के सीमित दृश्य को पढ़ता है, तो हर लंबाई के इनपुट पर सटीकता दृश्यों के एक परिमित सेट पर शुद्धता तक कम हो जाती है। एक बाउंड व्यू संग्रहीत इनपुट में एक निश्चित आकार की खिड़की है, और उस विंडो की जांच लंबी इनपुट की असीम सीमा को कवर कर सकती है। लेखक कहते हैं कि यह परिणाम लीन में साबित हुआ था।
रिपोर्ट में तीन अतिरिक्त सैद्धांतिक बिंदु दिए गए हैं। पहला, आवश्यकताः एक बार चरण पहले के चरणों को भी पढ़ सकते हैं, कोई सीमित परीक्षण पर्याप्त नहीं है। दूसरा, दृढ़ता: गारंटी बाउंड संख्यात्मक त्रुटि से बचती है। तीसरा, रचनाः प्रमाणित प्रक्रियाएं संयुक्त होने पर प्रमाणित रहती हैं।
जो laptop पर और ब्राउज़र में चलाया गया
Qwen3.5-0.8B प्लस एक छोटा एडाप्टर ब्राउज़र में laptop GPU पर सभी 2,446 दृश्यों को पास करता है। प्रमाणित संचालन जोड़, घटाव, गुणा, भाग, वर्ग Root, और किसी भी लंबाई पर gcd हैं।
परिणाम एक जाँच की गई प्रक्रिया के रूप में प्रस्तुत किया गया हैः एडाप्टर प्लस बाउंड-व्यू नियम वह है जो प्रमाणन को केवल परीक्षण किए गए उदाहरणों के बजाय लंबाई पर लागू करने की अनुमति देता है।
220 पूर्व पंजीकृत समस्याओं पर स्कोर
स्केचपैड (0.8B) ने 220 अंक प्राप्त किए। जीपीटी-6.1 SOL ने 217, Claude Opus 5.5 को 216 और Gemini 4 अर्गोन ने 207 अंक हासिल किए। पांच ओपन-वेट मॉडल 149 से 199 के बीच स्कोर करते हैं। क्यूवेन3.5 -27B 121 और बेस Qwen3.5-0.8B 23 अंकों का स्कोर करता है।
1,000-अंकीय योगों पर, स्केचपैड ने 20/20 अंक प्राप्त किए। फ्रंटियर मॉडल को 19, 17 और 9 अंक मिले। प्रत्येक open-weight model में 2 या उससे कम अंक थे।
परिणाम क्यों मायने रखता है और यह कहां रुकता है
प्रत्येक लंबाई पर सटीक अंकगणित को एक सिद्ध गुण के रूप में माना जा सकता है जब सिस्टम बाउंड व्यूज़ के आसपास बनाया गया हो। Qwen3.5-0.8B परिणाम से पता चलता है कि अंकगणितीय पथ की जांच करते समय छोटे मॉडल के साथ शुद्धता प्राप्त की जा सकती है। यह भी दिखाता है कि क्यों नामित सीमा मॉडल और खुले वजन वाले मॉडलों पर बेंचमार्क स्कोर अच्छे लग सकते हैं, जबकि बहुत लंबे अंकों के योगों पर अंतराल छोड़ते हैं।
प्रमाणीकरण बाउंड-व्यू स्थिति पर निर्भर करता है। यदि कोई कदम पहले के चरणों को पढ़ सकता है, तो रिपोर्ट कहती है कि कोई सीमित परीक्षण पर्याप्त नहीं है। गारंटी एक कंबल वादा नहीं है कि किसी भी छोटे मॉडल या पिछले आउटपुट तक पहुंच वाले किसी भी मॉडल सभी अंकगणितीय आदानों पर सटीक होंगे।
लेखक एक लाइव डेमो और कोड के लिए लिंक शामिल करता है। अनुवर्ती प्रश्न यह है कि क्या सीमित-दृश्य प्रमाणीकरण को अधिक संचालन में विस्तारित किया जा सकता है या छोटे मॉडलों के आसपास अंकगणितीय उपकरण बनाते समय डिजाइन नियम के रूप में उपयोग किया जाता है।

Comments (0)