RefactorProof基准测试检验证明稳定性

2026年10月28日，arXiv人工智能板块发布研究报道，Aravind Mandiga与Guoming Li提出并发布RefactorProof基准，用于检验大语言模型（LLM）生成的证明在程序重构后是否仍然稳定。该基准从185个可编译的VERINA任务中派生出458个Lean认证变体，在规格与所评估证明逐字节固定的前提下，检验程序重构后证明是否仍有效。报道称，这185个任务是在其固定（pinned）环境中可编译的任务。目前进展停留在基准发布与设计说明层面，报道未提及测试结果、参与模型或后续计划。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。