PulseAugur
实时 07:50:01
实体 ProofJudge

ProofJudge

PulseAugur coverage of ProofJudge — every cluster mentioning ProofJudge across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_215942 ·

    新的基于LLM的系统评估Mathlib中的形式化证明质量

    研究人员开发了ProofJudge,一个使用大型语言模型(LLM)来评估Lean 4编程语言中形式化证明质量的新系统,特别是在Mathlib库内。该智能体系统超越了单纯的正确性,从库的利用、自动化匹配度、结构清晰度、陈述质量以及是否符合Mathlib约定等维度来评估证明。ProofJudge在包含218个pull request的数据集上进行了评估,并证明了其能够与人类评审者的偏好保持一致,其中一些开源模型以显著低于专有选项的成本实现…