EasyProver 用现成前沿模型在 Lean 中完成代码验证任务
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载系统构成与不训练路线
EasyProver 的骨架是递归智能体：把证明任务拆给多个上下文彼此隔离的智能体处理，配合异步搜索与并行 tactic 探测，让多条证明路径同时推进；弹性 elaboration 服务负责按需伸缩形式化检查所需的计算资源。整套系统调用的是现成前沿模型，作者明确说明没有做额外训练，能力来自编排与搜索而非模型微调。这一路线意味着证明能力的上限与所接入模型直接相关，系统本身更像一层围绕 Lean 的工程外壳。
饱和基准上的成绩
在 PutnamBench 上，系统证明 669/672 题；IMO 2026 的六个形式化全部完成；NTP4VC 的 600 条验证条件中解决 597 条；VERINA 的 189 项任务全部以证明或反驳方式处理完毕。作者把这些基准称为接近饱和，即区分度已经很低，继续在这些集合上比拼分数的意义有限。这也是团队转向自建更难任务集的直接原因。
Aegis 的构造方式
Aegis 的输入是竞赛编程题，输出是围绕真实实现的验证任务。流水线先写出安全的 Rust 解，再用 Aeneas 翻译成 Lean，随后生成规约，并对每条冻结语句标注经内核校验的证明或反驳。最终得到 2,045 对经过差分验证的 Rust-Lean 程序，以及 11,533 条候选规约。与手写基准不同，这些任务带有实现层面的义务：定宽算术、显式失败、生成的循环、类型转换以及函数化的可变状态，都会进入待证命题。
难度与复用价值
在 2,000 条分层抽样语句上，EasyProver 在每条 30 分钟预算内证明 1,054 条，占 52.7%，与前述接近饱和的基准形成明显落差，说明实现级义务确实提高了难度。作者指出，同一批任务还能用于评测其他证明器，并可作为强化学习的奖励来源，因此其定位不止于一个评测集，也包含训练信号的用途。
为什么值得看
现成模型加智能体编排就能逼近饱和基准，同时给出面向真实代码的更难验证集，可作为训练奖励。
信源1 家
关键事实
EasyProver 由递归智能体、隔离上下文、异步搜索、并行 tactic 探测和弹性 elaboration 服务组成，使用未额外训练的前沿模型[1]
在 PutnamBench 上证明 669/672 题，完成 IMO 2026 全部六个形式化，解决 NTP4VC 的 597/600 条验证条件与 VERINA 全部 189 项任务[1]
Aegis 将竞赛编程题转为真实实现上的验证任务，产出 2,045 对差分验证的 Rust-Lean 程序与 11,533 条候选规约[1]
在 2,000 条分层抽样语句上，EasyProver 在每条 30 分钟预算内证明 1,054 条，占 52.7%[1]
这些任务也可用于评测其他证明器，并作为强化学习的奖励信号[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。