ReuF2F：244 道本科科研开放题 Lean 4 基准发布
原文标题：ReuF2F: Benchmarking Coding Agents on Formalized Undergraduate Research Problems
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者推出 ReuF2F，收录 244 道来自本科生科研项目（REU）的 Lean 4 形式化开放问题，用于端到端评测编码智能体的开放问题求解能力。基于 mini-SWE-agent 构建 Leanimum-agent 统一评测框架，结果显示最强模型仅解出约 40% 的题目。
- 问题
- 现有形式化数学基准多为已知结果或知名开放题，难以长期作为留出评测。
- 方法
- 从本科科研项目收集 244 道 Lean 4 开放题，放入 Docker 容器，并基于 mini-SWE-agent 构建统一评测框架。
- 结果
- 最强模型仅解出约 40% 题目
- 影响
- 为编码智能体的开放数学问题求解提供更难、更不易泄漏的评测集，可直接用于选型对比。
深读 · 结论先行AI 生成展开看要点与影响 ↓
244道REU来源Lean 4开放题基准发布，最强模型仅解出约40%
- •题目取自本科生科研项目（REU），覆盖多个数学分支的入门级开放问题
- •每道题连同其逻辑否定一起放入Docker容器中的Lean项目
- •基于mini-SWE-agent构建Leanimum-agent统一评测框架，保证跨模型公平比较
- •选择冷门开放题是为避免答案流传后基准失效
- •最强模型仅解出约40%，仍有大量提升空间
为什么重要：形式化数学基准常因题目被解出而失效，用冷门开放题做留出评测，为编码智能体的开放问题求解能力提供了更耐久的标尺。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。