Rocq prover
PulseAugur coverage of Rocq prover — every cluster mentioning Rocq prover across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新方法将形式化数学转换为自然语言，用于AI证明
一篇新论文介绍了一种名为“符号化非形式化”的方法，该方法可以将形式化数学转换为人类可读的自然语言，且不损失精度。这项技术对于解释人工智能生成的证明特别有用。Informath项目旨在通过使用Dedukti作为各种证明系统（如Agda、Lean和Rocq）的中心枢纽，并利用Grammatical Framework处理多种自然语言的语言准确性来实现这一点。
-
ProofWala框架赋能多语言定理证明研究
研究人员开发了ProofWala，一个旨在促进神经方法多语言证明数据合成和定理证明的新框架。该框架包含一个可重用的库，用于与交互式定理证明器（ITPs）进行交互，并支持项目范围内的分析和并行实验。通过在Lean 4和Rocq等不同的ITPs上进行多语言模型训练，该系统展示了改进的跨语言和跨领域迁移能力，在特定数学领域取得了统计学上的显著提升。
-
AI使用证明检查器生成形式化验证代码
研究人员开发了一种名为归纳演绎综合（Inductive Deductive Synthesis）的新AI方法，该方法在其实现循环中使用了证明检查器。这种方法类似于思维链（chain-of-thought），但具有形式化验证的中间状态，使AI能够生成形式化验证的系统。该系统以规范作为输入，并生成经过验证的实现原型，并计划与其他证明助手（如用于Rust输出的Verus）集成。
-
Claude Opus 4.6 自主解决 10 道 Putnam 数学竞赛题
研究人员展示了 Anthropic 的 Claude Opus 4.6，通过专门用于 Rocq 证明助手的工具进行增强，成功证明了 2025 年 Putnam 数学竞赛中的 12 道题中的 10 道。该实验采用了通过模型上下文协议 (MCP) 工具实现的“先编译，交互式回退”策略，这些工具是通过分析先前的证明助手实验而开发的。该 AI 代理在隔离的虚拟机上自主运行，在 17.7 小时的计算时间内部署了 141 个子代理，并处理了约 1…
-
受控元编程将 Eval 重新归类为 AI 系统的受控效应
研究人员推出了一种名为受控元编程的新语言设计，它将从符号结构到可执行代码的转换视为一种受控效应，而不是无限制的原始操作。这种方法旨在调和当 AI 系统在运行时合成可执行代码（例如 LLM 生成程序或代理构建工作流）时发生的权限放大。该系统在允许执行之前分析程序的容量需求、策略合规性和资源估算，并使用一种名为 MashinTalk 的 DSL 来形式化这一过程。
-
AI治理框架实现语义透明和表达最小化
研究人员开发了一种用于治理AI工作流架构的形式化方法，确保在不牺牲内部计算表达能力的情况下实现效果层面的治理。该系统使用Rocq中的交互树构建，可以调解所有有效果的指令，包括内存访问、外部调用和LLM查询。该工作建立了受控的图灵完备性、语义透明度和可判定性边界等属性，证明了治理和表达能力是正交的。
-
AI治理理论通过Coq中的机器校验证明形式化
研究人员为认知工作流系统开发了一个结构化治理的正式系统，其中大部分工作已在Coq中机械化。该系统引入了一个共归纳安全谓词，以确保无限程序行为的治理安全。关键定理确立了跨递归级别的治理一致性以及智能系统的四个核心原语的表达完整性。