Meta

ProofEvolve: Neuro-Symbolic Evolution for Formal Automated Theorem Proving

ProofEvolve：用于形式化自动定理证明的神经符号进化方法

Wenqian Ye, Ziwei Guan, Eric Xie, Bohan Liu, Shivani Modi, Buyun Zhang, Ellie Dingqiao Wen, Henry Kautz, Aidong Zhang

机构 * University of Virginia（弗吉尼亚大学） ； Meta AI 纠错

AI总结 ProofEvolve是一种神经符号框架，结合神经模型与Lean内核进化形式化验证的证明结构，在三个竞赛级Lean基准中实现最高平均定理解决率，解决现有神经证明器的递归结构缺失问题。

Modality Maturity Index: A benchmark for assessing multimodal capabilities of omni models

模态成熟度指数：评估全模态模型多模态能力的基准

Rohit Patel, Dieuwke Hupkes, Sloan Strader

机构 * Meta Superintelligence Labs（元超级智能实验室） 纠错

AI总结 该研究提出评估全模态模型多模态能力的基准MMI，测试五种模态及组合，发现前沿模型MPS得分低，LLM评分者与人工标注者判断一致性达70.8%。

Comments 26 pages, 6 figures. Code and dataset available

Gaze Authentication: Factors Influencing Authentication Performance

眼动认证：影响认证性能的因素

Dillon Lohr, Michael J Proulx, Mehedi Hasan Raju, Oleg V Komogortsev

机构 * Meta Reality Labs Research（Meta现实实验室） ； Texas State University（德克萨斯州立大学） 纠错

AI总结 本文研究了影响最新眼动认证性能的关键因素，通过大规模内部数据集验证了眼动信号质量、校准和简单滤波对认证性能的影响。

Comments 21 pages, 6 figures, 10 tables