跳到正文
热点事件持续更新

ReasonableIO发布形式化证明基准

1 篇报道1 个报道来源43 分钟前更新

先了解这件事

AI 综述

ReasonableIO 发布 Verus Proof Index,以 Verus 验证系统为基础,在100道形式化验证题目中评测25个模型智能体生成证明的能力。结果显示,GPT-6 Astra以59.1分居首,Claude Fable 5.1和Claude Opus 5.5分别以58.7分、58.2分紧随其后。 该基准同时考察证明正确性、成本、推理耗时和相对效率;ReasonableIO称,智能体最终证明正确只是其走向实用的第一步。

AI 根据报道生成 · 17 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. AGI Hunt
    Verus Proof Index 发布:基于 Verus 的 25 个模型智能体形式化证明能力基准

    ReasonableIO 发布 Verus Proof Index,评测 25 个模型在 100 道形式化验证题目中的智能体证明生成能力。前 7 名包括 GPT-6 Astra(59.1)、Claude Fable 5.1(58.7)和 Claude Opus 5.5(58.2)。该基准同时衡量正确性、成本、推理耗时与相对效率,强调最终证对只是智能体走向实用的一小部分。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。