RefactorProof基准测试检验证明稳定性

研究团队提出并发布 RefactorProof 基准，用于检验程序重构后 LLM 生成的证明是否仍然有效。该基准从 185 个可编译的 VERINA 任务派生出 458 个经 Lean 认证的变体，在规格与证明逐字节固定的前提下进行测试。 据团队说明，变体是在其固定环境中能够编译的 VERINA 任务基础上生成的，因此测试针对的是重构对证明有效性的影响，而非规格或证明本身的变化。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。