Lean 4

2026-10-31

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

OpenFrontiers: набор данных и бенчмарк для научного «воссоздания» LLM (arXiv:2610.37739v1)

OpenFrontiers — междисциплинарный ресурс, который объединяет структурированный корпус из 12 151 открытой научной задачи и ретроспективный бенчмарк из 200 математических задач (110 решены в 2026 году, 90 остаются открытыми), каждая формализована в Lean 4 с автоматической проверкой и независимыми рецензиями; также есть отфильтрованный HQ-50. Авторы описывают протокол оценки (closed-book, frozen-retrieval, live-web) и приводят результаты для семи LLM на HQ-50 при стандартизированном бюджете: закрытое воссоздание встречается редко (не более 7 из 40 решённых задач), а успехи в live-web в основном связаны с извлечением опубликованных решений; набор доступен в коллекции на Hugging Face.

7.0

2026-10-23

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

PerMIT: машинно-проверяемые теоремы целостности и архитектура памяти с шлюзом доверия для агентов LLM

PerMIT — архитектура памяти для агентов LLM с жёсткой моделью доверия: доверяются только вводы от пользователя и значения, подтверждённые на шлюзе; внешние данные подаются через конечный интерфейс. Авторы формально доказывают две теоремы целостности (машинно-проверяемые в Lean 4), сообщают об отсутствии успешно зафиксированных атак на Trojan Hippo при самопроверке и лёгких проверяющих и моделируют сообщества (до 90 агентов) на τ^2-bench, показывая масштабируемое коллективное подтверждение памяти и улучшение производительности новых агентов.

7.0

2026-10-21

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Ограниченный компиляторно-управляемый ремонт улучшает поиск доказательств на уровне тактик в Lean 4

В статье предложён ограниченный онлайн‑модуль пошагового ремонта: при выборе K кандидатных тактик и отклонении тактики компиляторный текст ошибки передаётся предобученной модели ремонта, которая пытается исправить шаг до R раз на месте. На подмножестве из 1 990 теорем бенчмарка LeanDojo метод даёт до 32% относительного прироста (ещё 82 решённые теоремы) при разных K∈{1,3,5,8}, успешно воспроизводится на Lean Workbook (почти удваивает solve rate) и приносит выгоду главным образом для мелких ошибок выполнения тактик при предсказуемом увеличении времени работы.

6.0

2026-10-21

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

ReuF2F: бенчмарк на Lean 4 из 244 открытых задач REU для кодирующих агентов

ReuF2F — новый бенчмарк на Lean 4 (arXiv:2610.27046v1) из 244 формализованных открытых задач, взятых из программ Research Experiences for Undergraduates (REU). Бенчмарк упаковывает каждую задачу и её логическое отрицание в проект Lean внутри Docker-контейнера, включает унифицированный тестовый каркас (Leanimum-agent на базе mini-SWE-agent) и показывает, что лучшая модель решает лишь ~40% задач.

7.0

2026-03-16

MODELS · 1 ИСТОЧН. · Mistral AI

Leanstral: открытый агент для Lean 4 (Leanstral-120B-A6B) выпущен под Apache 2.0

Leanstral — открытый агент для работы с Lean 4, выпущенный как Leanstral-120B-A6B с весами под лицензией Apache 2.0, агентным режимом для Mistral vibe, бесплатным API, готовящимся техническим отчётом и новым набором оценок FLTEval. Модель использует высокоразреженную архитектуру (6B активных параметров), поддерживает MCP через vibe (оптимизирована под lean-lsp-mcp) и в бенчмарках на реалистичных репозиториях демонстрирует преимущества по эффективности и стоимости против ряда закрытых и открытых конкурентов.

8.0