Moxia: A Trust-First Neuro-Symbolic Execution Architecture for Self-Explaining Mathematical Reasoning
Di cosa parla
Moxia è un sistema che prende problemi di matematica scritti in linguaggio naturale, li trasforma in una forma stretta e li risolve con un motore deterministico di algebra. Il modello linguistico non “inventa” la soluzione ma normalizza il testo per procedure specifiche che calcolano la risposta o si astengono; ogni procedura fornisce una traccia dei passaggi e quella traccia viene resa in fraseggio comprensibile. Gran parte dei casi viene gestita senza che il modello generi direttamente la risposta.
Cosa permette di osservare
Il contenuto invita a esplorare se un approccio che privilegia soluzioni derivate e verificate — invece di risposte generate liberamente — mantiene generalità anche su problemi non visti e come questo permette spiegazioni che riflettano davvero i calcoli. Permette anche di valutare l’integrazione con strumenti di dimostrazione formale (per esempio Lean 4).
Dalla fonte
We present Moxia (formerly AXIOM), a trust-first neuro-symbolic architecture for self-explaining mathematical reasoning over natural-language input. Its language model is strictly a canonicalizer: it rewrites informal problem text into a narrow schema consumed by a deterministic Computer-Algebra-System (CAS) pipeline, which derives and verifies the answer or abstains as a first-class output. Routing follows a 1:1:1 alignment of problem-shape regex, schema-specific prompt, and closed-form CAS handler, with 4,783 routes shipped, 71% of which answer without invoking the language model, and zero LOST_CORRECT regressions as a standing release gate. Because the answer is derived rather than generated, so is its explanation: every handler emits a step trace of the computation it performed, rendered as prose by a layer covering all 4,785 task files that cannot narrate a step the handler did not…