DAPS：依赖感知前提选择提升定理证明检索
热点事件持续更新
DAPS：依赖感知前提选择提升定理证明检索
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Zixuan Chen 等作者提出依赖感知前提选择方法 DAPS，并发布 Lean Blueprint 依赖数据集。DAPS 采用结构邻域编码器、组级对比目标和“先 Mathlib 后 Blueprint”的适配流程。 在 Mathlib4-Heldout 上，DAPS 的平均 Recall@32 为 89.25，比强基线 LeanHammer 高 11.41，并在两个分布外基准上保持领先。
AI 根据报道生成 · 55 分钟前更新
最新进展11月2日 13:00
DAPS：面向 LLM 定理证明的依赖感知前提选择方法报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.CLDAPS：面向 LLM 定理证明的依赖感知前提选择方法
DAPS 是一种依赖感知的前提选择器，在 Mathlib4-Heldout 上达到 89.25 的平均 Recall@32，比强基线 LeanHammer 高出 11.41，并在两个分布外基准上保持领先。
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。