Tactic Learning and Proving for the Coq Proof Assistant
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21730%2F20%3A00344764" target="_blank" >RIV/68407700:21730/20:00344764 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.29007/wg1q" target="_blank" >https://doi.org/10.29007/wg1q</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.29007/wg1q" target="_blank" >10.29007/wg1q</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Tactic Learning and Proving for the Coq Proof Assistant
Popis výsledku v původním jazyce
We present a system that utilizes machine learning for tactic proof search in the Coq Proof Assistant. In a similar vein as the TacticToe project for HOL4, our system predicts appropriate tactics and finds proofs in the form of tactic scripts. To do this, it learns from previous tactic scripts and how they are applied to proof states. The performance of the system is evaluated on the Coq Standard Library. Currently, our predictor can identify the correct tactic to be applied to a proof state 23.4% of the time. Our proof searcher can fully automatically prove 39.3% of the lemmas. When combined with the CoqHammer system, the two systems together prove 56.7% of the library’s lemmas.
Název v anglickém jazyce
Tactic Learning and Proving for the Coq Proof Assistant
Popis výsledku anglicky
We present a system that utilizes machine learning for tactic proof search in the Coq Proof Assistant. In a similar vein as the TacticToe project for HOL4, our system predicts appropriate tactics and finds proofs in the form of tactic scripts. To do this, it learns from previous tactic scripts and how they are applied to proof states. The performance of the system is evaluated on the Coq Standard Library. Currently, our predictor can identify the correct tactic to be applied to a proof state 23.4% of the time. Our proof searcher can fully automatically prove 39.3% of the lemmas. When combined with the CoqHammer system, the two systems together prove 56.7% of the library’s lemmas.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/EF15_003%2F0000466" target="_blank" >EF15_003/0000466: Umělá inteligence a uvažování</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
EPiC Series in Computing
ISBN
—
ISSN
2398-7340
e-ISSN
2398-7340
Počet stran výsledku
13
Strana od-do
138-150
Název nakladatele
EasyChair Publications
Místo vydání
Manchester
Místo konání akce
Alicante
Datum konání akce
22. 5. 2020
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—