RefactorProof基准测试检验重构后证明稳定性

研究团队 Aravind Mandiga 与 Guoming Li 提出 RefactorProof 基准，用于检验程序重构后 LLM 生成的证明是否仍然有效。该基准从 185 个 VERINA 任务中派生出 458 个经 Lean 认证的变体；在派生过程中，规格和被评估的证明都逐字节保持不变，只改变程序的重构形式。 据该团队称，这些变体是在其固定环境中能够编译的 VERINA 任务基础上生成的。该基准把检验重点放在重构本身：当规格与证明都不变时，证明能否继续通过验证。

AI 根据报道生成 · 33 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。