English(EN) LeanContext: Disentangling Mathematical Resources from Local Formal Context in Lean Whole-Proof Generation

新的 LeanContext 基准测试评估神经定理证明器

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-06 05:00

研究人员推出了 LeanContext，这是一个旨在评估神经定理证明系统的新基准测试。该基准测试包含超过 129,000 个 Lean 整体证明生成问题，用于解耦数学资源与局部形式化上下文对证明生成的影响。使用包括 LLaDA 和 Llama 在内的基于扩散和自回归的模型进行的实验表明，使用数学上下文进行训练可显著提高性能。优先考虑目标引用的已省略声明可进一步提高成功率。 AI

影响该基准测试有望加速在能够进行形式化数学推理和定理证明的 AI 系统方面的研究。

排序理由该集群在一篇学术论文中描述了一个用于评估定理证明领域 AI 模型的新基准测试和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群在一篇学术论文中描述了一个用于评估定理证明领域 AI 模型的新基准测试和数据集。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Hang Zhang, Qihao Ye, Litong Liu, Yunbei Zhang, Yugyung Lee, Yue Zhou, Bowen Liu, Emily First, Cheng Han, Qiao Zhuang · 2026-11-06 05:00

LeanContext：在 Lean 全证明生成中将数学资源与局部形式上下文解耦

arXiv:2611.08277v1 Announce Type: new Abstract: Neural theorem proving increasingly uses retrieved premises and project context to support proof generation. Evaluating these resources requires measuring the advantage of target-selected declarations over comparable alternatives an…

本文如何被排名

报道来源 [1]

LeanContext：在 Lean 全证明生成中将数学资源与局部形式上下文解耦

相关实体

相关话题