CircuitProver: Agentic Lean 4 Theorem Proving with Reusable Circuit Proof Library for Hardware Verification
Hong Kong University of Science and Technology(Guangzhou)(香港科技大学(广州))
CircuitProver是基于Lean 4的智能体硬件验证框架,可自动转换硬件设计为Lean模型,通过积累可复用证明知识完成63项基准证明,比普通智能体更高效。
2026-07-31 cs.AR cs.LO
MerLean-Prover: A Recursive Looping Harness for Lean 4 Theorem Proving
Northeastern University(东北大学);Stony Brook University(石溪大学);Massachusetts Institute of Technology(麻省理工学院)
提出一种基于递归循环框架的端到端 Lean4 定理证明器 MerLean-Prover,通过规划、检查与证明三种智能体协作,无需微调或定制强化学习,在 FormalQualBench 和 Putnam2025 上超越现有开源基线。
2026-05-27 cs.CL cs.LO
Using Aristotle API for AI-Assisted Theorem Proving in Lean 4: A Formalisation Case Study of the Grasshopper Problem
Nanyang Technological University(南洋理工大学)
本文通过形式化案例研究,探讨了使用阿基里斯API在Lean 4中进行AI辅助定理证明的挑战,展示了格里菲斯问题的证明过程,揭示了局部证明搜索成功但全局组合计数仍需解决的局限性。
2026-05-19 cs.AI cs.LO
MechGeo: Autoformalizing and Proving Euclidean Geometry in Lean 4
MechGeo是基于Mathlib的智能体框架,可在Lean 4中自动形式化欧几里得几何问题并构造认证证明,在43道IMO几何题及Lean-IMO-Bbench上取得显著成果,为可信形式几何提供实用基础。
2026-08-04 cs.AI cs.LO
Construction-Verification: A Benchmark for Applied Mathematics in Lean 4
Peking University(北京大学);Ant Digital Technologies, Ant Group(蚂蚁数字科技,蚂蚁集团)
本文提出Lean 4中的构造-验证框架,通过AMBER基准评估应用数学领域中显式解决方案合成与验证能力,揭示通用模型在复杂构造任务中的优势。
2026-02-01 cs.LO
Pantograph: A Machine-to-Machine Interaction Interface for Advanced Theorem Proving, High Level Reasoning, and Data Extraction in Lean 4
Stanford University(斯坦福大学)
本文提出工具 Pantograph,为 Lean 4 证明助手提供多功能接口,结合 Monte Carlo Tree Search 实现高效证明搜索与高层推理,推动机器学习模型进行复杂定理证明。
2025-01-31 cs.AI cs.LG cs.LO
LeanDojo: Theorem Proving with Retrieval-Augmented Language Models
Caltech(加州理工学院);NVIDIA(英伟达);MIT(麻省理工学院);UC Santa Barbara(加州大学圣塔芭芭拉分校);UT Austin(德克萨斯大学奥斯汀分校)
本文提出开源平台 LeanDojo 和检索增强证明器 ReProver,通过前提检索与困难负样本提升定理证明能力,并在大规模基准上验证其优于基线方法和 GPT-4。
2023-10-27 cs.AI cs.LG cs.LO
Automating Bitvector and Finite Field Equivalence Proofs in Lean
Stanford University(斯坦福大学);Galois
本文提出Lean战术BitModEq,通过范围引理和案例分析,实现有限域到位向量的验证转换,提升零知识证明电路验证效率。
2026-05-14 cs.LO
Deep Vision: A Formal Proof of Wolstenholmes Theorem in Lean 4
本文在Lean 4中用Mathlib证明了Wolstenholme定理,通过展开移位阶乘积并利用幂和消失性,展示了其在模p^3下的等价性。
2026-08-11 cs.LO
Type-Checked Compliance: Deterministic Guardrails for Agentic Financial Systems Using Lean 4 Theorem Proving
Independent Researcher(独立研究员);Thomas Jefferson High School for Science and Technology(托马斯·杰斐逊科技高中)
本文提出Lean-Agent协议,通过Lean 4定理证明技术,将机构政策自动形式化为代码,确保代理金融系统在微秒延迟内满足监管要求。
2026-04-01 cs.AI cs.CR cs.LO
Generating Millions Of Lean Theorems With Proofs By Exploring State Transition Graphs
Lynbrook High School(林布鲁克高中);Purdue University(普渡大学)
本文提出LeanNavigator方法,通过探索状态转移图为现有Lean定理寻找新证明,生成470万条定理、10亿token的大规模数据集,并训练出超越ReProver的自动定理证明模型。
2025-02-16 cs.AI cs.LO
A Modular Lean 4 Framework for Confluence and Strong Normalization of Lambda Calculi with Products and Sums
Microsoft(微软);Centro de Informática, Universidade Federal de Pernambuco(伯南布哥联邦大学计算机中心);Departamento de Matemática, Universidade Federal Rural de Pernambuco(伯南布哥联邦农村大学数学系)
本文提出了一种模块化Lean 4框架,用于证明λ演算及其扩展的连通性和强规范性,通过三种经典证明技术实现,并展示了完整的机械证明。
2025-12-10 cs.LO
Lean Meets Theoretical Computer Science: Scalable Synthesis of Theorem Proving Challenges in Formal-Informal Pairs
D-CHAB, ETH Zurich, Zurich, Switzerland.;D-INFK, ETH Zurich, Zurich, Switzerland.;ETH AI Center, Zurich, Switzerland.;University of Pennsylvania, PA, USA.;Independent Researcher.
本文提出利用理论计算机科学作为可扩展的严谨证明问题来源,通过算法定义自动生成大量挑战性定理-证明对,展示了在Busy Beaver问题和混合布尔算术问题上的应用,并揭示了自动定理证明在复杂问题上的局限性。
2026-05-18 cs.AI cs.CL cs.LG
From Dag-Like Proofs to Boolean Circuits in Lean
Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)(里约热内卢天主教大学)
本文提出将通过水平压缩纯蕴含极小逻辑自然演绎证明得到的DLDS编码为布尔电路的方法,定义构建过程并证明正确性,精益形式化提供保证,为自动定理证明和形式认证带来新视角。
2026-07-23 cs.LO
Optimizing the Cost-Quality Tradeoff of Agentic Theorem Provers in Lean
University of Washington(华盛顿大学);University of California, Berkeley(加州大学伯克利分校)
提出一种包含数据平面和控制平面的动作路由智能体,通过观察失败轨迹并估计成功概率与成本来动态决定继续证明或重新分解,在 PutnamBench 子集上平均降低 25.8% 成本且保持性能。
2026-06-24 cs.CL cs.LO
Formalizing Geometric Algebra in Lean
本文探讨了将几何(或Clifford)代数形式化为Lean 3定理证明器,建立在Lean数学库Mathlib的大量工作基础上。当我们使用Lean源代码来演示我们的许多想法时,我们包含了对Lean语言的简要介绍,针对的是没有Lean或定理证明者经验的读者。我们通过适当的关系将多向量形式化为张量代数的商,从而自动给出了Clifford代数的环结构,进而建立了Clifford代数的泛性质.我们表明,这是完全不同的方法所采取的现有形式化的几何代数在其他定理证明,最值得注意的是,我们的方法不需要选择的基础。我们继续展示如何操作和结构,如对合,versors,和$\mathbb{Z}_2$-分级可以单独使用的通用属性定义,以及如何恢复归纳原则的通用属性适合于证明这些定义的声明。我们概述了形式化wedge产品和$\mathbb{N}$分级所需的步骤,以及mathlib中目前使其具有挑战性的一些差距。
2022-04-19 cs.LO
Discovering New Theorems via LLMs with In-Context Proof Learning in Lean
OMRON SINIC X Corporation(OMRON SINIC X公司);RIKEN AIP;NexaScience;CyberAgent;Kyoto University(京都大学);RIKEN AGIS;Shiga University(大坂大学);NII NISTEP
提出猜想-证明循环(CPL)框架,利用 LLM 在 Lean 4 中迭代生成数学猜想并尝试证明,通过上下文学习重用先前定理的证明策略,提高难证定理的发现率。
2026-06-25 cs.AI cs.LG cs.LO
CSLibPremiseBench: Structure-Guided Premise Retrieval and Label Robustness for Lean 4 Computer-Science Theorems
University of Washington(华盛顿大学)
本文提出CSLibPremiseBench,用于评估Lean 4定理和引理声明的前提检索,通过严格任务集和标签鲁棒性分析,探讨结构引导的重排方法。
2026-05-14 cs.LO
Enhancing Neural Theorem Proving through Data Augmentation and Dynamic Sampling Method
National Institute of Science Education and Research(国家教育与科学研究院);Homi Bhabha National Institute(霍米·巴巴国家研究所)
本文提出DS-Prover动态采样方法,通过根据剩余时间调整策略数量优化证明搜索,并分解多前提策略增强训练数据,在MiniF2F和ProofNet上取得显著性能提升。
2024-02-15 cs.AI cs.LG cs.LO
Proof Artifact Co-training for Theorem Proving with Language Models
University of Pittsburgh(匹兹堡大学);OpenAI;IBM Research(IBM研究院);Google Research(谷歌研究院);Stanford University(斯坦福大学);Carnegie Mellon University(卡内基梅隆大学);CIBO Technologies(CIBO科技);University of Toronto(多伦多大学);University of Cambridge(剑桥大学)
在大型形式化数学库中,用于定理证明的模仿学习的标记数据是稀缺的,因为这样的库需要人类专家多年的集中努力才能建立。当将大型Transformer语言模型应用于战术预测时,这是特别具有挑战性的,因为在数据稀缺、容易过拟合的情况下,性能相对于模型大小的缩放很快就会被破坏。我们提出了PACT({ \bf P}roof { \bf A}rtifact { \bf C}o-{ \bf T}raining),这是一种从内核级证明项中提取丰富的自监督数据的通用方法,用于与通常的战术预测目标一起进行协同训练。我们将这种方法应用于精益,一个交互式的证明助手,它拥有一些迄今为止最复杂的形式化数学。我们仪器精益与神经定理证明器驱动的Transformer语言模型,并表明PACT提高定理证明成功率从32%到48%的测试定理。
2022-03-16 cs.AI cs.LG cs.LO
APOLLO: Automated LLM and Lean Collaboration for Advanced Formal Reasoning
Huawei Hong Kong Research Center(华为香港研究中心);Department of Computer Science & Engineering, The Chinese University of Hong Kong(香港中文大学计算机科学与工程系)
提出APOLLO框架,结合Lean编译器与LLM实现自动证明修复,在miniF2F等基准上以低采样预算大幅提升准确率并刷新最优纪录。
2025-11-04 cs.AI cs.LO
An In-Context Learning Agent for Formal Theorem-Proving
The University of Texas at Austin(得克萨斯大学奥斯汀分校)
本文提出 COPRA,一种通过 GPT-4 在有状态回溯搜索中反复提议策略并利用执行反馈与引理检索的上下文学习智能体,在 Lean 和 Coq 形式化定理证明上优于少样本与微调方法。
2024-08-08 cs.AI cs.LG cs.LO
Machine-Checked Computational Group Theory in Lean 4: Operational Schreier-Sims Stabilizer Chains, BSGS Sifting, and Backtrack Ordered Partitions
Anadolu University(阿纳多卢大学);ITouch Systems, Turkey(ITouch系统公司);Mersin University, Turkey(梅尔辛大学);Toros Science College, Turkey(托罗斯科学学院)
本文在 Lean 4 中形式化并机器验证了 GAP 系统库的核心置换群算法,包括 Schreier-Sims 稳定子链、BSGS 成员测试和回溯有序划分,证明了 35 个定理且无公理或未证明猜想。
2026-10-01 cs.LO cs.SC
Discover and Prove: An Open-source Agentic Framework for Hard Mode Automated Theorem Proving in Lean 4
State Key Laboratory for Multimedia Information Processing, School of Computer Science, PKU-Anker LLM Lab, Peking University(信息处理国家重点实验室,计算机科学学院,PKU-Anker LLM实验室,北京大学);Huawei Technologies Co., Ltd.(华为技术有限公司);School of Software & Microelectronics, Peking University(软件与微电子学院,北京大学);School of Electronics Engineering and Computer Science, Peking University(电子工程与计算机科学学院,北京大学)
本文提出DAP框架,通过LLM自然语言推理与自我反思发现答案,并将硬模式问题转换为易模式问题以提升自动定理证明性能,实现了CombiBench和PutnamBench上的显著提升。
2026-04-17 cs.AI cs.CL cs.LO
Proving the Coding Interview: A Benchmark for Formally Verified Code Generation
Beneficial AI Foundation(有益人工智能基金会)
本文引入最大形式化验证基准FVAPPS(含4715样本),将APPS的Python单元测试泛化为Lean 4未证明定理,测试显示Sonnet和Gemini证明正确率为30%和18%,挑战相关社区解决编程问题及正确性规范。
2025-02-08 cs.AI cs.LG cs.LO
A Lean formalisation of the disproof of Ramaekers's conjecture
本文介绍Lean形式化项目Redhill,完成Hölzl等人关于强n猜想改进下界结果的形式化,未用LLM,还发现原证明问题并确立Lean形式化准则。
2026-10-14 cs.LO math.NT
ProofWala: A Framework for Multilingual Proof Data Synthesis and Theorem-Proving
University of Texas, Austin, USA(得克萨斯大学奥斯汀分校)
提出ProofWala框架,通过itp-interface库实现与交互式定理证明器的程序化交互,支持多语言证明数据合成、并行证明搜索,并验证了跨语言与跨领域迁移的有效性。
2026-05-29 cs.AI cs.LG cs.LO
STP: Self-play LLM Theorem Provers with Iterative Conjecturing and Proving
Stanford University(斯坦福大学)
针对大语言模型形式化定理证明中训练数据不足、奖励稀疏的问题,提出兼具猜想生成与证明双角色的自博弈定理证明器STP,通过迭代互训提升性能,在多个基准数据集上取得整证明生成方法的最优结果。
2025-03-21 cs.AI cs.LG cs.LO
Rtl2lean: Automated RTL-to-Lean Translation with Hierarchical Theorem Generation and Lemma Reuse
State Key Lab of Processors, Institute of Computing Technology, CAS(处理器国家重点实验室,中国科学院计算技术研究所);University of Chinese Academy of Sciences(中国科学院大学);NorthChina University of Science and Technology(华北理工大学)
本文提出Rtl2lean框架,自动将RTL设计转为Lean 4模型并构建分层定理库。通过四层定理框架和基于大语言模型的证明循环处理验证。实验表明该框架能构建机器检查的RTL证明库,检查开销低且引理重用性高。
2026-07-21 cs.AR cs.LO
ProofNet: Autoformalizing and Formally Proving Undergraduate-Level Mathematics
Yale College(耶鲁学院);University of Warsaw(华沙大学);EleutherAI;Carnegie Mellon University(卡内基梅隆大学);Yale University(耶鲁大学)
我们介绍ProofNet,一个基准的自动形式化和正式证明的本科层次的数学。ProofNet基准测试由371个示例组成,每个示例由Lean 3中的正式定理语句、自然语言定理语句和自然语言证明组成。这些问题主要来自流行的本科纯数学教科书,涵盖了诸如实分析和复分析、线性代数、抽象代数和拓扑学等主题。我们打算让ProofNet成为一个具有挑战性的基准,它将推动自动形式化和自动定理证明的进展。我们通过上下文学习报告了语句自动形式化的基线结果。此外,我们介绍了两个新的语句自动形式化方法:即时检索和蒸馏回译。
2023-02-24 cs.AI cs.CL cs.LO
Top-down Automated Theorem Proving (Notes for Sir Timothy)
本文提出一种自顶向下的自动定理证明方法,主张编码领域概念并模拟人类数学家可能出错的证明方式,以替代传统自底向上的形式化推理路径。
2023-08-08 cs.LO
Modular Composition of Inductive Types Using Lean Meta-programming
Qualgebra
本文提出基于元编程的归纳类型与函数实现组合算法及Lean语法扩展,实现模块化重用与扩展,并通过三子语言组合案例验证其特性与局限。
2026-09-23 cs.LO cs.PL cs.SE
Generating Theorems by Generating Proof Structures (Extended Version)
University of Potsdam(波茨坦大学)
本文提出通过生成证明结构来生成定理的方法,结合证明项和压缩 detachment,旨在从数学角度获取价值或作为自动证明的引理。
2026-08-25 cs.LO
FLARE: Verifying MILP Reformulations with LLM-Based Theorem Proving
Stanford University(斯坦福大学)
本文提出FLARE方法,结合LLM智能体与Lean证明助手验证MILP重构,在FormulationBench的NP-难子集达100%准确率,还提出无需证书的FLARE-NL,为自动化优化建模提供可靠验证。
2026-08-27 cs.AI cs.LO math.OC
When Does Structured Knowledge Help Neural Theorem Proving?
Stanford University(斯坦福大学)
本研究提出MathAgent,通过构建MathKG知识图谱增强LLM定理证明,发现特化优于增强,增强效果依赖模型能力,且不同增强模式互补,支持自适应选择策略。
2026-09-29 cs.AI cs.LG cs.LO
Keep the Proof State Live: Snapshotting for Efficient Tactic Search in Lean 4
University of Michigan(密歇根大学);Amazon Web Services(亚马逊网络服务)
针对 Lean 4 中并行策略搜索因反复重建证明状态导致开销巨大的问题,提出证明状态快照技术,通过一次捕获并复用证明状态,实现 5.6-50 倍加速。
2026-05-27 cs.AI cs.LO
Reward-Oracle MCTS for Formal Theorem Proving: Sample-Efficient Search and the Need for Kernel-Level Proof Auditing
本研究提出三角色奖励-预言机MCTS框架用于形式化定理证明,在多基准测试中提升了证明求解性能,并通过审计发现了奖励黑客问题,确立了内核级审计的必要性。
2026-09-01 cs.AI cs.LG cs.LO
Prolog Technology Reinforcement Learning Prover
Alfréd Rényi Institute of Mathematics(阿尔弗雷德·雷尼数学研究所);Eötvös Loránd University(厄特沃什·罗兰大学)
我们提出了一个强化学习工具包,用于指导连接演算中的自动定理证明实验。该工具包的核心是一个紧凑且易于扩展的基于Prolog的自动定理证明器,称为plCoP。plCoP建立在leanCoP Prolog实现的基础上,并添加了学习引导的蒙特卡罗树搜索,就像在rlCoP系统中所做的那样。其他组件包括一个到plCoP和机器学习器的Python接口,以及一个验证plCoP证明有效性的外部证明检查器。该工具包在两个基准上进行评估,我们通过两个补充来证明其可扩展性:(1)指导扩展到减少步骤和(2)标准leanCoP演算扩展重写步骤及其学习指导。我们认为,Prolog设置是适合结合统计和符号学习方法。完整的工具包已公开发布。
2020-04-15 cs.LG cs.LO
Formally Verified Patent Analysis via Dependent Type Theory: Machine-Checkable Certificates from a Hybrid AI + Lean 4 Pipeline
Ascendr, Inc.(Ascendr公司)
本文提出一种混合AI与Lean 4的正式验证框架,用于专利分析。通过依赖类型理论,实现了专利自由实施、权利主张敏感性、交叉权利主张一致性等五种知识产权应用场景的正式化验证,利用Lean 4进行机器验证,确保计算的数学正确性。
2026-04-20 cs.AI cs.LO cs.PL
Solving Formal Math Problems by Decomposition and Iterative Reflection
University of science and technology of China(科学技术大学);Peking University(北京大学)
针对通用大语言模型生成形式化证明难、现有专业化微调成本高的问题,提出基于智能体的Delta Prover框架,通过反思分解、迭代修复及专用DSL实现Lean 4证明构建,在miniF2F-test基准达95.9%最优成功率,证明通用LLM经智能体引导具备强大定理证明潜力。
2025-07-21 cs.AI cs.LG cs.LO
ProofBridge: Auto-Formalization of Natural Language Proofs in Lean via Joint Embeddings
Georgia Institute of Technology(佐治亚理工学院);Bogazici University(博阿齐奇大学)
ProofBridge通过联合嵌入模型实现自然语言定理和证明到Lean 4的自动形式化,结合检索增强微调和迭代证明修复,提升语义和类型正确性。
2026-03-29 cs.AI cs.LO
Mathematics with large language models as provers and verifiers
CNRS LIX Ecole Polytechnique, Institut Polytechnique de Paris(高等理工学院巴黎理工研究所)
本文提出一种由多个gpt-5实例分别充当证明器与验证器协同工作的协议,使ChatGPT成功证明2025年IMO六题中的五题及约三分之一的数论猜想,并用Lean进行形式化验证以防幻觉。
2025-11-06 cs.AI cs.CL cs.LG
ITPEval: Benchmarking Formal Translation Across Interactive Theorem Provers
Brown University(布朗大学);California Institute of Technology(加州理工学院)
研究形式定理证明生态系统分散问题,提出ITPEval基准测试,涵盖四个主要交互式定理证明器及两种逻辑基础,评估语句和证明翻译,揭示库不匹配是瓶颈,发布相关基础设施和管道,展示多方面评估结果。
2026-07-23 cs.AI cs.LO
Long-horizon autoformalization of a core theorem underlying MIP* = RE
Munich Center for Quantum Science and Technology (MCQST)(慕尼黑量子科学与技术中心);Tsinghua University(清华大学)
FormalFlow系统通过人类监督下的AI证明代理协作,在63天内完成了MIP* = RE核心定理的Lean 4机器检查证明,生成了126,367行代码,为量子复杂性提供了验证基础。
2026-10-22 cs.AI cs.LO quant-ph
Learn from Failure: Fine-Tuning LLMs with Trial-and-Error Data for Intuitionistic Propositional Logic Proving
University of California San Diego(加利福尼亚大学圣迭戈分校);Carnegie Mellon University(卡内基梅隆大学)
本文提出 TrialMaster,通过构建 Lean 形式化的直觉主义命题逻辑试错数据集,让模型从失败搜索路径中学习,从而在推理时以更少尝试解决更多未见定理。
2024-07-29 cs.AI cs.LO
Proving at Scale for Universal Algebra
Universidade Nova de Lisboa(新里斯本大学);Czech Technical University in Prague(布拉格捷克理工大学);Nova Southeastern University(新东南大学);Adam Mickiewicz University, Poznań(波兹南亚当·密茨凯维奇大学);Warsaw University of Technology(华沙理工大学)
SemiBase项目利用LLM智能体搜索证明并借助Lean内核认证,完成了阶数至多6的所有半群的有限恒等式基的正式验证,包括四个非有限基半群的证明。
2026-10-07 cs.LO math.GR
3D-Prover: Diversity Driven Theorem Proving With Determinantal Point Processes
Australian National University(澳大利亚国立大学);Defence Science and Technology Group(国防科学与技术集团);Google DeepMind(谷歌DeepMind);BIMLOGIQ
针对自动定理证明搜索空间过大的问题,提出3D-Prover方法,通过行列式点过程筛选语义多样的高质量证明策略,可增强各类证明LLM,在多个基准上提升了证明效率与成功率。
2025-10-28 cs.AI cs.LO
Formalization of QFT
Center Of Mathematical Sciences And Applications, Harvard University(哈佛大学数学科学与应用中心);Jefferson Physical Laboratory, Harvard University(哈佛大学杰斐逊物理实验室);MIT(麻省理工学院)
本文通过Lean 4证明助手形式化了构造自由玻色量子场论并证明其满足Glimm-Jaffe公理,展示了数学物理中的延伸论证可通过现有AI工具转化为机器验证证明。
2026-03-16 cs.LO hep-th math-ph
Trace-Tree Magmas: Proof-Producing Infinite Countermodels and 28 New Order-Five Austin Classifications
Yanbiao Lab, DataCanvas Co., Ltd.(研标实验室,数据立方有限公司);Peking University(北京大学)
本文提出秩递减稀疏迹树原群,自动生成并验证28个新的五阶奥斯汀定律的不限基数反模型,并发出Lean 4证书。
2026-09-23 cs.LO math.LO
Towards Advanced Mathematical Reasoning for LLMs via First-Order Logic Theorem Proving
Hong Kong University of Science and Technology(香港科学与技术大学);Peking University(北京大学);Zhejiang University(浙江大学)
针对大语言模型在多步一阶逻辑数学推理中的困难,提出DREAM方法,通过公理驱动策略多样化和子命题错误反馈提升推理多样性和正确性,在定理证明数据集上性能提升0.6%-6.4%。
2026-06-16 cs.AI cs.CL cs.LO
Local Look-Ahead Guidance via Verifier-in-the-Loop for Automated Theorem Proving
Language Technology Lab, University of Amsterdam(阿姆斯特丹大学语言技术实验室);Qualcomm AI Research(高通人工智能研究)
针对自动定理证明中奖励稀疏与计算成本高的问题,提出验证器在环的局部前瞻引导方法,利用Lean在每一步提供中间反馈,实验表明能全局提升推理准确性与效率。
2025-06-24 cs.AI cs.CL cs.LG
Finishing Oltean's Completeness Proof in Lean 4 for Hybrid Logic $L(\forall)$
Catskills Research Company(卡茨基尔研究公司)
本文在 Lean 4 中完成了混合逻辑 $L(\forall)$ 的机器检查完备性证明,通过结构新鲜性和存在引理 Henkin 构造两种工具解决了新鲜名称的生成问题。
2026-06-19 cs.LO math.LO
MathAdv: What Theorem Provers Know, Reason, Formalize, and Generalize
University of Maryland(马里兰大学);Georgia Institute of Technology(佐治亚理工学院);Cornell University(康奈尔大学);All Purpose AI
本研究推出涵盖13个数学领域的诊断基准MathAdv,结合Lean 4评估当代定理证明器,发现形式化是瓶颈、性能跨领域差异大等问题,为分组件评估模型能力提供依据。
2026-10-20 cs.AI cs.CL cs.LO
Neural Theorem Proving: Generating and Structuring Proofs for Formal Verification
针对通用定理证明难题,本研究提出含三组件的神经定理证明框架,经两阶段微调训练LLM,在基准测试与AWS S3策略验证场景有效,还整理了新数据集。
2025-10-01 cs.AI cs.FL cs.LG