EasyProver：递归智能体Lean证明系统解出669/672 PutnamBench
原文标题：Scaling Lean Theorem Proving for Real-World Code Verification
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。
论文提出EasyProver，由隔离上下文的递归智能体、异步搜索、并行策略探测与弹性精化服务构成，无需额外训练即解出669/672道PutnamBench题与全部6道IMO 2026形式化题。团队同时发布Aegis基准，将竞赛编程题转为真实实现上的Lean验证任务，EasyProver在2000条样本上证明率52.7%。
- 问题
- 竞赛数学形式化基准接近饱和，缺乏贴近真实实现的Lean验证任务。
- 方法
- 递归隔离上下文智能体加异步搜索、并行策略探测与弹性精化，无需额外训练；并构建从Rust实现转Lean的Aegis基准。
- 结果
- 解出669/672道PutnamBench与全部6道IMO 2026形式化题；Aegis 2000条样本证明率52.7%。
- 影响
- 证明系统可零训练直接用于形式化验证，Aegis提供更难且可作强化学习奖励的验证任务。
深读 · 结论先行AI 生成展开看要点与影响 ↓
EasyProver无需额外训练解出669/672道PutnamBench，并发布更难的Aegis基准
- •系统由隔离上下文的递归智能体、异步搜索、并行策略探测与弹性精化服务构成，使用现成前沿模型、无额外训练
- •解出669/672道PutnamBench、全部6道IMO 2026形式化题、597/600个NTP4VC验证条件及全部189个VERINA任务
- •因上述基准接近饱和，发布Aegis：将竞赛编程题转为真实Rust实现上的Lean验证任务
- •Aegis产出2045个经差分验证的Rust-Lean程序对与11533个候选规约
- •在2000条分层样本上，EasyProver于每题30分钟内证明1054条（52.7%）
为什么重要：PutnamBench等基准已接近饱和，Aegis把评测推向实现级义务（定宽算术、显式失败、生成循环），为证明器评测与强化学习奖励提供新标尺。
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。