Kimina-Prover: KI sucht formale Beweise mit lernender Lemma-Strategie
💡 Quellen-Hinweis: Dieser Beitrag ist eine redaktionelle Zusammenfassung basierend auf einem Originalbericht von Hugging Face Blog.
Formale Beweise in Lean 4 sind für KI besonders anspruchsvoll: Nicht ein plausibler Text zählt, sondern ein vom Beweisassistenten prüfbares Ergebnis. Das Team hinter Kimina-Prover stellt nun ein Modellpaket vor, das die Suche nach solchen Beweisen stärker als mehrstufigen Prozess behandelt. Neben der 72B-Variante erscheinen destillierte Ausgaben mit 8B und 1,7B Parametern.
Zwischenschritte statt bloßer Einmalversuche
Im Mittelpunkt steht die Test-Time Reinforcement Learning Search (TTRL). Das System erzeugt und formalisiert Kandidaten für Hilfslemmata, bewertet deren Nutzen und kombiniert sie rekursiv. Pro Trainingsiteration werden zehn Varianten eines Problems gebaut: 60 Prozent setzen auf bereits gut bewertete Lemmas, der Rest ergänzt sie um zufällige Kandidaten. Lemmas mit zu geringer Nutzung werden aus dem Suchraum entfernt. Eine Negationsprüfung soll zudem inkonsistente Hilfsaussagen aussortieren.
Dadurch verschiebt sich der Ansatz von einzelnen Modellantworten zu einer gelenkten Suche über wiederverwendbare Zwischenergebnisse. Für komplexe Aufgaben kann das Modell Teilprobleme weiter zerlegen und bei ausbleibendem Erfolg neue Unterlemmata anfordern. Die Autoren berichten auf miniF2F 92,2 Prozent Erfolgsrate mit dem vollständigen TTRL-Verfahren; bei kleineren Stichproben liegen die Werte niedriger. Benchmarks bleiben dabei ein spezielles Maß und ersetzen keine Prüfung in produktiven formalen Projekten.
Fehlerausgaben werden zum Signal
Ein zweites Element ist die Fehlerkorrektur. Kimina-Prover wird mit Tripeln aus fehlerhaftem Beweis, Lean-Rückmeldung und korrekter Fassung trainiert. Statt jeden misslungenen Versuch sofort zu reparieren, sammelt die Pipeline Fehlschläge und spielt sie in der nächsten Lernrunde gebündelt wieder ein. In einem ausgewählten Testsatz war ein Ansatz aus Versuch und Korrektur bei gleichem Budget erfolgreicher als reine Wiederholung neuer Beweisversuche.
Praktischer Kontext für Entwicklungsteams
Interessant ist der Beitrag vor allem für Teams, die formale Verifikation, mathematische Bibliotheken oder sicherheitskritische Spezifikationen einsetzen. Die Arbeit zeigt, dass mehr Rechenzeit allein nicht genügt: Strukturierte Suche, Feedback aus dem Compiler und Datenpflege werden wichtiger. Für den Alltag bedeutet das potenziell bessere Assistenz beim Aufbau langer Beweisketten, nicht jedoch einen Ersatz für fachliche Kontrolle. Veröffentlicht werden laut Beitrag auch die Modelle und ein kuratierter Promptbestand.
Originalquelle: Hugging Face Blog – Kimina-Prover: Applying Test-time RL Search on Large Formal Reasoning Models
